Renewable Energy Systems https://acikerisim.bingol.edu.tr/handle/20.500.12898/1370 2026-10-15T06:47:27Z 2026-10-15T06:47:27Z ÇİÇEK, Fatih https://acikerisim.bingol.edu.tr/handle/20.500.12898/6411 2026-10-14T06:55:00Z 2026-01-01T00:00:00Z

Yenilenebilir Enerji Kaynakları İçeren Havaalanı Mikro Şebekelerinin Yük-Frekans Kontrolü ÇİÇEK, Fatih ÖZET: Bu tez çalışmasında yenilenebilir enerji kaynakları, enerji depolama sistemi ve elektrikli araçlardan oluşan bir havalimanı mikro şebeke sistemin sekonder yük frekans kontrolü incelenmiştir. Bu amaçla rüzgar türbin generatörü, fotovoltaik sistem, dizel generatör, batarya enerji depolama sistemi, elektrikli araç, elektrikli hava aracı ve yük bileşenlerinden oluşan bir izole havalimanı mikro şebeke modeli oluşturulmuştur. Modellenen havalimanı mikro şebekenin sekonder yük frekans kontrolü için kontrolör yapısı olarak klasik oransalintegral- türev, eğimli-integral-türev ve kesir dereceli oransal-integral-türev kontrolör yapıları ile bu klasik kontrolör yapılarının parametre değerlerini dinamik bir biçimde ayarlayan bulanık mantık içeren yapılar oluşturulmuştur. Kullanılan kontrolör yapılarının ilk başlangıç parametre değerlerini belirlemek için karınca koloni optimizasyon algoritmasından yararlanılmıştır. Burada karınca koloni optimizasyon algoritmasının amaç fonksiyonu olarak mutlak hata integrali, zaman ağırlıklı mutlak hata integral, karesel hata integrali ve zaman ağırlıklı karesel hata integrali performans indekslerini yapısında bulunduran bir amaç fonksiyonu oluşturulmuştur. Önerilen kontrol yapılarının performanslarını değerlendirmek amacıyla havalimanı mikro şebeke sisteminde dört farklı çalışma senaryosu oluşturulmuştur. İlk senaryoda, yenilenebilir enerji kaynaklarına bağlı üretim miktarı ile yük miktarının normal işletme şartlarında olduğu varsayılmıştır. İkinci senaryoda, yenilenebilir enerji kaynaklarına dayalı üretim miktarının fazla olduğu yük miktarının ise sabit işletme şartlarında olduğu kabul edilmiştir. Üçüncü senaryoda, yenilenebilir enerji kaynaklarına dayalı üretimin az olduğu ve yük miktarının fazla olduğu bir işletme senaryosu oluşturulmuştur. Son senaryoda ise havalimanı mikro şebeke modelinde sistem parametre değişimlerinin meydana geldiği bir senaryo oluşturulmuştur. Bu son senaryoda, yenilenebilir enerji kaynaklarına bağlı üretimin ve yükün normal işletme şartları altında olduğu düşünülmüştür. Bu çalışmada kullanılan üç farklı kontrolörün hem klasik hem de bulanık mantık içeren yapıları her bir senaryo için karşılaştırmalı olarak analiz edilmiştir. Elde edilen analiz sonuçları, sistem frekans yanıtlarına ait şekiller ile performans indeks değerlerine ait tablolar sunulmuştur. Genel olarak elde edilen analiz sonuçlarına göre; üç temel kontrolörün tamamında bulanık mantık içeren kontrolör yapılarının klasik yapılara göre bütün işletme şartlarında havalimanı mikro şebeke sistemin frekans kararlılığını iyileştirdiği değerlendirilmiştir.; ABSTRACT: In this thesis, the secondary load frequency control of an airport microgrid system comprising renewable energy sources, an energy storage system, and electric vehicles was investigated. For this purpose, an isolated airport microgrid model consisting of a wind turbine generator, a photovoltaic system, a diesel generator, a battery energy storage system, electric vehicles, electric aircraft, and load components was developed. For the secondary load frequency control of the modeled airport microgrid, classical proportionalintegral- derivative, tilt-integral-derivative, and fractional-order proportional-integralderivative controller structures were established, alongside fuzzy logic-based structures that dynamically adjust the parameter values of these classical controllers. The ant colony optimization algorithm was utilized to determine the initial parameter values of the employed controller structures. Herein, an objective function incorporating the Integral of absolute error, integral of time-weighted absolute error, integral of squared error, and integral of time-weighted squared error performance indices was formulated for the ant colony optimization algorithm. To evaluate the performance of the proposed control structures, four distinct operating scenarios were established within the airport microgrid system. In the first scenario, it was assumed that the generation from renewable energy sources and the load demand are under normal operating conditions. In the second scenario, the generation from renewable energy sources was assumed to be high while the load demand remains at constant operating conditions. The third scenario presents an operating condition characterized by low generation from renewable energy sources and high load demand. In the final scenario, parametric variations within the airport microgrid model were introduced. In this last scenario, both the generation from renewable energy sources and the load were considered to be under normal operating conditions. Both the classical and fuzzy logic-based structures of the three different controllers utilized in this study were comparatively analyzed for each scenario. The obtained analysis results were presented through figures illustrating the system frequency responses and tables detailing the performance index values. Based on the overall analysis results, it was concluded that for all three fundamental controllers, the fuzzy logic-based structures improved the frequency stability of the airport microgrid system across all operating conditions compared to their classical counterparts.

2026-01-01T00:00:00Z BULUT, Sümeyya https://acikerisim.bingol.edu.tr/handle/20.500.12898/6409 2026-10-13T11:45:26Z 2026-01-01T00:00:00Z

Yenilenebilir Enerji Tabanlı Iot-Entgre Scada Sistemlerinde Volümetrik Siber Saldırıların Derin Öğrenme ile Tespiti BULUT, Sümeyya ÖZET: Kritik altyapı sistemlerinde kullanılan Denetleyici Kontrol ve Veri Toplama (Supervisory Control and Data Acquisition-SCADA) sistemlerine dayalı endüstriyel kontrol ağları, artan siber tehditler karşısında güvenilir, ölçeklenebilir ve genelleştirilebilir saldırı tespit mekanizmalarına ihtiyaç duymaktadır. Bununla birlikte, literatürde yaygın olarak kullanılan veri setlerinin büyük bir kısmı genel amaçlı ağ trafiğine dayanmakta ve Modbus/TCP gibi endüstriyel protokollerin döngüsel, deterministik ve süreç odaklı iletişim yapısını yeterince yansıtmamaktadır. Bu tez çalışmasında, söz konusu sınırlamayı gidermek amacıyla tamamen izole edilmiş bir sanal SCADA ortamı tasarlanmış ve SCADANet adı verilen, SCADA’ya özgü çok sınıflı bir saldırı veri seti oluşturulmuştur. Bu veri seti, meşru ağ trafiği ile birlikte üretilen 13 farklı saldırı senaryosunu içermektedir. Bu kapsamda, dönüştürülmüş trafik temsillerini analiz etmek amacıyla paralel genişletilmiş Evrişimli Sinir Ağı (Convolutional Neural Network-CNN) yapıları, Residual-SE blokları ve Uzun Kısa Vadeli Bellek (Long Short-Term Memory-LSTM) katmanlarından oluşan hibrit bir derin öğrenme mimarisi önerilmiştir. Önerilen mimari, çok ölçekli uzamsal örüntüleri etkili bir şekilde öğrenirken özellik düzeyindeki sıralı ve bağlamsal ilişkileri de modelleyerek ağ trafiğinin daha kapsamlı bir şekilde temsil edilmesini sağlamaktadır. Önerilen yaklaşımın genelleştirilebilirliğini değerlendirmek amacıyla geliştirilen model, hem SCADANet veri seti hem de literatürde yaygın olarak kullanılan WUSTL-IIoT-2021 veri seti üzerinde test edilmiştir. Deney sonuçları, önerilen mimarinin her iki veri setinde de yüksek doğruluk ve Makro F1 skoru elde ettiğini ve özellikle azınlık saldırı sınıflarında duyarlılığı önemli ölçüde artırdığını göstermektedir. Ayrıca, gerçekleştirilen ablasyon çalışması, mimaride yer alan her bir bileşenin genel performansa anlamlı ve birbirini tamamlayıcı katkılar sağladığını ortaya koymaktadır. Bulgular, önerilen derin öğrenme tabanlı yaklaşımın SCADA sistemlerine özgü trafik özelliklerini etkili bir şekilde modelleyebildiğini ve farklı veri kaynakları arasında istikrarlı bir saldırı tespit performansı sergilediğini göstermektedir. Bu bağlamda çalışma, SCADA tabanlı kritik altyapıların siber güvenliğinde saldırı tespitine yönelik literatüre önemli metodolojik ve deneysel katkılar sunmaktadır.; ABSTRACT: Industrial control networks based on Supervisory Control and Data Acquisition (SCADA) systems used in critical infrastructure require reliable, scalable, and generalizable intrusion detection mechanisms in the face of increasing cyber threats. However, a large proportion of the datasets commonly used in the literature are based on general-purpose network traffic and do not adequately reflect the cyclic, deterministic, and process-oriented communication characteristics of industrial protocols such as Modbus/TCP. In this thesis, a fully isolated virtual SCADA environment was designed to address this limitation, and a SCADA-specific multiclass attack dataset, named SCADANet, was developed. The dataset contains 13 distinct attack scenarios generated alongside legitimate network traffic. In this context, a hybrid deep learning architecture consisting of parallel extended Convolutional Neural Network (CNN) structures, Residual-SE blocks, and Long Short-Term Memory (LSTM) layers was proposed to analyze transformed traffic representations. The proposed architecture effectively learns multi-scale spatial patterns while also modeling feature-level sequential and contextual relationships, thereby enabling a more comprehensive representation of network traffic. To evaluate the generalizability of the proposed approach, the developed model was tested on both the SCADANet dataset and the widely used WUSTL-IIoT-2021 dataset. The experimental results demonstrate that the proposed architecture achieves high accuracy and Macro F1 scores on both datasets and significantly improves sensitivity, particularly for minority attack classes. Furthermore, the conducted ablation study demonstrates that each component of the architecture makes a meaningful and complementary contribution to the overall performance. The findings indicate that the proposed deep learning-based approach can effectively model SCADA-specific traffic characteristics and maintain consistent intrusion detection performance across different data sources. In this regard, the study provides significant methodological and experimental contributions to the literature on intrusion detection in the cybersecurity of SCADA-based critical infrastructure systems.

2026-01-01T00:00:00Z GÜNDOĞDU, Fatih https://acikerisim.bingol.edu.tr/handle/20.500.12898/6402 2026-10-13T07:13:33Z 2026-01-01T00:00:00Z

Elektrolüminesans Görüntülerinde Fotovoltaik Panel Hücrelerinin Derin Öğrenme ile Otomatik Kusur Tespiti GÜNDOĞDU, Fatih ÖZET: Bu tez çalışmasında, fotovoltaik (PV) güneş hücrelerinde meydana gelen kusurların, elektrolüminesans (EL) görüntüleri üzerinden derin öğrenme yöntemleri kullanılarak otomatik olarak tespit edilmesi amaçlanmıştır. Güneş enerjisi sistemlerinin hızla yaygınlaşması, PV panellerde oluşan mikro çatlak, hücre kırığı, busbar kopması ve PID gibi kusurların erken teşhisini zorunlu kılmaktadır. Çalışmada iki farklı veri seti kullanılmıştır. Birincil veri seti, GTC Güneş Sanayi ve Ticaret A.Ş.'nin üretim hattından elde edilen 540 kusurlu ve 500 sağlıklı olmak üzere toplam 1040 hücre görüntüsünden oluşmaktadır. İkincil olarak, önerilen yaklaşımın genellenebilirliğini test etmek amacıyla dört sınıflı ve belirgin dengesizliğe sahip kamuya açık ELPV veri seti kullanılmıştır. Görüntü ön işleme aşamasında, panel görüntüleri geliştirilmiş RLSA tabanlı segmentasyon yaklaşımıyla hücrelere ayrıştırılmış, 227×227 piksel boyutuna getirilmiş ve normalleştirilmiştir. Veri artırma teknikleri ile eğitim verisi çeşitlendirilerek modelin genelleme yeteneği artırılmıştır. Önerilen model, ImageNet üzerinde önceden eğitilmiş ResNet50 omurgasının, kanal bazında dikkat sağlayan Squeeze-and-Excitation (SE) bloğu ile güçlendirilmesine dayanmaktadır. SE bloğu, öznitelik haritalarındaki kanalları yeniden ağırlıklandırarak ayırt edici kanalların öne çıkarılmasını sağlamaktadır. Modelin başarımı, ResNet50, EfficientNetB0 ve MobileNetV2 baz modelleri ile 5 katlı tabakalı çapraz doğrulama protokolü kullanılarak karşılaştırmalı olarak değerlendirilmiştir. İkili sınıflandırma görevinde tüm modeller %98-99 aralığında yüksek başarım sergilerken, dört sınıflı ELPV veri setinde önerilen ResNet50+SE modeli %76,09 doğruluk ve 0,559 F1-skoru ile en yüksek başarımı elde etmiştir. SE bloğu, düz ResNet50'ye kıyasla doğrulukta yaklaşık 9,85 puanlık iyileşme sağlamıştır. Elde edilen bulgular, SE bloğu ile güçlendirilmiş ResNet50 mimarisinin, özellikle zorlu ve dengesiz veri koşullarında kanal bazında dikkat mekanizması sayesinde ayırt edici öznitelikleri başarıyla öne çıkarabildiğini göstermektedir. Çalışma, gerçek bir üretim hattından elde edilen verilerle desteklenmiş olup, önerilen modelin fotovoltaik üretim süreçlerinde otomatik kalite kontrol sistemi olarak kullanılabileceğini ortaya koymaktadır.; ABSTRACT: This thesis aims to automatically detect defects occurring in photovoltaic (PV) solar cells using deep learning methods on electroluminescence (EL) images. The rapid expansion of solar energy systems necessitates early diagnosis of defects such as micro-cracks, cell fractures, busbar breaks, and potential-induced degradation (PID) in PV panels. Two different datasets were used in this study. The primary dataset consists of 1040 cell images obtained from the production line of GTC Güneş Sanayi ve Ticaret A.Ş., comprising 540 defective and 500 healthy cells. Secondarily, the publicly available ELPV dataset, which has a four-class structure with significant imbalance, was used to test the generalizability of the proposed approach. During image preprocessing, panel images were segmented into individual cells using an improved RLSA-based segmentation approach, resized to 227×227 pixels, and normalized. Data augmentation techniques were applied to diversify the training data and enhance the model's generalization capability. The proposed model is based on a pre-trained ResNet50 backbone on ImageNet, enhanced with a Squeeze-and-Excitation (SE) block that provides channel-wise attention. The SE block reweights the channels in the feature maps, highlighting discriminative channels and thus contributing to more effective learning of defect patterns. The model's performance was comparatively evaluated against three baseline models—ResNet50, EfficientNetB0, and MobileNetV2—using a 5-fold stratified cross-validation protocol. While all models achieved high performance in the range of 98-99% on the binary classification task, the proposed ResNet50+SE model achieved the highest performance on the four-class ELPV dataset with 76.09% accuracy and 0.559 F1-score. The SE block provided an improvement of approximately 9.85 percentage points in accuracy compared to plain ResNet50. The findings demonstrate that the SE-enhanced ResNet50 architecture can successfully highlight discriminative features through its channel-wise attention mechanism, particularly under challenging and imbalanced data conditions. Supported by data obtained from a real production line, this study reveals that the proposed model can serve as an automated quality control system in photovoltaic manufacturing processes.

2026-01-01T00:00:00Z GÜRKAN, Emrah https://acikerisim.bingol.edu.tr/handle/20.500.12898/6317 2026-09-11T12:49:03Z 2023-01-01T00:00:00Z

Fotovoltaik Sistemler İçin Kısmi Gölgeli Koşullarda Maksimum Güç Noktasının Takibinde Kullanılan Optimizasyon Yöntemlerinin Performanslarının Karşılaştırılması GÜRKAN, Emrah ÖZET: Dünyada elektrik enerji üretiminde en çok kullanılan kaynaklar fosil yakıtlardır. Nüfus artışı ve teknolojinin gelişmesine bağlı olarak enerji talebindeki artış yakın gelecekte fosil yakıtların rezervlerinin sınırlı olmasına bağlı olarak fosil yakıtlar üzerinden karşılanamayacaktır. Bu durum alternatif yenilenebilir enerji üretim sistemleri arayışını zorunlu kılmıştır. Ayrıca fosil yakıtların çevreye verdiği zararlar ve maliyetindeki artışlar sebebiyle yenilenebilir enerji kaynaklarına olan talep artmıştır. Yenilenebilir enerji kaynakları içerisinde güneş enerjisinden fotovoltaik (FV) panellerle elektrik üretimi çevreci, güvenilir ve gürültüsüz olması gibi avantajlarından dolayı ön plana çıkmaktadır. Ancak FV panellerin verimliliği çevre koşullarından önemli oranda etkilenmektedir. Bu nedenle, fotovoltaik sistemden maksimum güç elde etmek için maksimum güç noktası takibi (MGNT) teknolojisi gereklidir. Takip teknolojilerinde maksimum güç noktası elde edilmesindeki önemli stratejilerden birisi de maksimum güç noktası takip algoritmalarıdır. Bu çalışmada, sabit ışınım ve kısmi gölgeli durumlar için literatürde yer alan maksimum güç noktası takip algoritmaları incelenmiştir. Geleneksel MGNT yöntemlerinden olan klasik değiştir ve gözle, klasik artırımlı iletkenlik, ayrıca yeni kontrol stratejilerinde kullanılan değiştirilmiş değiştir ve gözle ve değiştirilmiş artımlı iletkenlik incelenmiştir. Metasezgisel yöntemlerden balina optimizasyonu, parçacık sürü optimizasyonu ve gri kurt optimizasyonu algoritmaları incelenmiştir. Sabit dağılımlı ışınım ve kısmi gölgeli durumlarında MGNT algoritmaların performansını karşılaştırmak için beş farklı senaryo geliştirilerek MATLAB/Simulink ortamında gerçekleştirilen benzetim çalışmalarıyla detaylı olarak incelenmiş ve performans sonuçları ayrıntılı bir şekilde sunulmuştur. Elde edilen benzetim sonuçlarına göre; değiştirilmiş değiştir ve gözle ile değiştirilmiş artımlı iletkenlik yöntemleri, klasik değiştir ve gözle ile klasik artımlı iletkenlik yöntemlerine göre daha üstün performansa sahip olduğu, meta-sezgisel yöntemlerin farklı kısmi gölgeli koşullar için değiştir ve gözle ile artımlı iletkenlik gibi geleneksel yöntemlere kıyasla daha iyi performansa sahip oldukları, kısmi gölgeli koşullar için balina optimizasyon algoritmasının doğruluk ve izleme süresi açısından parçacık sürü optimizasyonu ve gri kurt optimizasyonu algoritmalarına göre üstün olduğu görülmüştür.; ABSTRACT: One of the most current resources to generate electric energy in the world is fossil fuels. It is seen not to possible to supply energy in near future from fossil fuels because rise of energy demand depending population increase and technological developments due to limited reserve of fossil fuels. This situation makes forcedly search of alternative renewable energy systems. In addition, the demand for renewable energy sources has increased due to the damage of fossil fuels to the environment and the increase in their costs. Among renewable energy sources, electricity generation from solar energy with photovoltaic (PV) panels stands out due to its advantages such as being environmentally friendly, reliable and noiseless. However, the efficiency of PV panels is significantly affected by environmental conditions. Therefore, maximum power point tracking (MPPT) technology is required to extract maximum power from the photovoltaic system. One of the important strategies in obtaining maximum power point in tracking technologies is maximum power point tracking algorithms. In this thesis, maximum power point tracking algorithms in the literature for uniform irradiance and partial shading conditions are examined. Traditional MPPT methods classical perturbation and observation, classical incremental conductance, as well as modified perturbation and observation and modified incremental conductance used in new control strategies were examined. Whale optimization, particle swarm optimization and gray wolf optimization algorithms from metaheuristic methods are examined. Five different scenarios were developed to compare the performance of MPPT algorithms in the case of uniform irradiance and partial shading conditions, and they were analyzed in detail with simulation studies carried out in MATLAB/Simulink, and the performance results were presented in detail. According to the obtained simulation results, it has been observed that; Modified perturbation and observation and modified incremental conductance methods have superior performance than classical perturbation and observation and classical incremental conductance methods, metaheuristics have better performance for different partial shading conditions compared to traditional methods such as perturbation and observation and incremental conductance, the whale optimization algorithm for partial shading conditions is superior to particle swarm optimization and gray wolf optimization algorithms in terms of accuracy and tracking time.

2023-01-01T00:00:00Z