PV Fabrikalarında Modül Hattı IV Data Verilerinin Yapay Zekâ Modelleri Kullanılarak Sınıflandırılması
Abstract views: 108
/ 
PDF downloads: 102
DOI:
https://doi.org/10.59287/ijanser.561Keywords:
Yapay Zeka, Makine Öğrenmesi, Solar Enerj, PV-Fotovoltaik, Enerji KalitesiAbstract
Ülkelerin sanayi devrimiyle birlikte başlayan ekonomik kalkınma yarışı, teknolojik gelişmeler, nüfus artışı, insanların daha konforlu yaşam arzusu gibi nedenlerden dolayı özellikle son 50 yılda enerji tüketimi hızla artmıştır. Elektrik enerjisi açısından ise, sanayilere her geçen gün yeni tesislerin eklenmesi ve evlerde kullanılan elektrik enerjisinin sürekli artması, yeni enerji üretim tesislerinin kurulma ihtiyacını doğurmaktadır. Güneş enerjisi elektrik santrallerinin kurulması, bu enerji ihtiyaçlarının karşılanması açısından önem arz etmektedir. Birçok ülkede PV elektrik üretimi santrallerinin kurumları ilk dönemlerini yaşamaktadır. Ayrıca PV sistemler için doğru bir hata tespit yeteneği, işletme maliyetlerini ve bir arıza nedeniyle oluşabilecek devre dışı kalma sürelerini azaltarak PV sistemin verimliliğini artırabilir. Bu çalışmada, PV sistemler için bir hata tespit yöntemi önerilmiştir. Önerilen yöntem, topluluk öğrenmesi temelli bir modelin PV sistemlerdeki hataları sınıflandırmak amacıyla kullanılmasına dayanmaktadır. Bu faktörler göz önüne alınarak, güneş pillerinden üretilen elektrik enerjisinin kalitesi önemli ölçüde arttırılabilir.
Bu çalışmada Modül Hattında üretilen paneller ortalama %98 A Class oranında üretilmektedir. IV makinesinde sınıflandırılan ve son kararı operator sağladığı kalite verimliliğini makine öğrenmesiyle ve hata oranını, verimlilik değerlerini kontrol edebilmektir. Bu proje ile hedeflenen bu ortalamaya etki eden faktörleri belirleyip, bu parametrelerin iyileştirilmesini, 6 sigma prensibi için gerekli olan istatistiksel araçları elde edilmesi , proses ve kalite süreçlerini optimize edilmesi , girdi değişkenleri ile çıktı değişkenlerinin arasındaki ilişkinin 6 sigmada sebep-sonuç ve neden-etki yapılarındaki tepkisini ölçülmesi, kalite sınıflarının testlerden sonra belirlenebileceği bir istatistiksel model kurulması , böylelikle %98 A Class kalite üretim oranının, daha yüksek bir seviyeye çıkarılması amaçlanmaktadır.
Downloads
References
T, S., & R, P. (2015). Maximum Solar Power Generation through Optimization of Tilt Solar Angles of Solar Panels by Heuristic Technique. IJIREEICE,3(4),43–49.
Muntasser, M. A., Bara, M. F., Quadri, H. A., El-Tarabelsi, R., & La-azebi, I. F. (2000). Photovoltaic marketing in developing countries. Applied Energy, 65(1–4), 67–72.
Li, D. H. W., Cheung, G. H. W., & Lam, J. C. (2005). Analysis of the operational performance and efficiency characteristic for photovoltaic system in Hong Kong. Energy Conversion and Management, 46(7–8),1107–1118.
Wiszniewski, Andrzej. (2007). New Criteria of Voltage Stability Margin for the Purpose of Load Shedding. Power Delivery, IEEE Transactions on. 22. 1367 - 1371. 10.1109/TPWRD.2006.886772.
Han, J., Kamber, M., & Pei, J. (2011). Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems).
A., B. N., & A., A. D. (2014). Studies of Contingencies in Power Systems through a Geometric Parameterization Technique, Part II: Performance Evaluation. World Journal Control Science and Engineering, 2(1), 25–34.
Diaf, S., Notton, G., Belhamel, M., Haddadi, M., & Louche, A. (2008). Design and techno-economical optimization for hybrid PV/wind system under various meteorological conditions. Applied Energy, 85(10),968–987.
Kaldellis, J. K., Kapsali, M., & Kavadias, K. A. (2014). Temperature and wind speed impact on the efficiency of PV installations. Experience obtained from outdoor measurements in Greece. Renewable Energy,66,612–624.
Makrides, George & Zinsser, Bastian & Phinikarides, Alexander & Schubert, Markus & Georghiou, George. (2012). Temperature and thermal annealing effects on different PV technologies. Renewable Energy. 43. 407-417. 10.1016/j.renene.2011.11.046.
Gupta, B., Sonkar, N., Singh Bhalavi, B., & Edla, P. J. (2013). Design, Construction and Effectiveness Analysis of Hybrid Automatic Solar Tracking System for Amorphous and Crystalline Solar Cells. American Journal of Engineering Research (AJER), 02(10), 221–228.
Ghazi, S., & Ip, K. (2014). The effect of weather conditions on the efficiency of PV panels in the southeast of UK. Renewable Energy, 69, 50–59.
Kaldellis, John & Kokala, A.. (2010). Quantifying the decrease of the photovoltaic panels’ energy yield due to phenomena of natural air pollution disposal. Energy.35.4862-869.10.1016/j.energy.2010.09.002.
KÖSE, E. (2018). Fotovoltaik Sistemlerin Sıcaklığa Bağlı Enerji Verimliliği Performansının Analiz Edilmesi. Dünya Multidisipliner Araştırmalar Dergisi,2018(2),39–53.
Basaran, Kivanç & Çetin, Numan & Çelik, Hakan. (2011). Ruzgar-Gunes Hibrid Güç Sistemi Tasarımı ve Uygulamasi (Wind-Solar Hybrid Power System Design and Implementation).
M. G. Villalva, J. R. Gazoli and E. R. Filho, "Modeling and circuit-based simulation of photovoltaic arrays," 2009 Brazilian Power Electronics Conference, 2009, pp. 1244-1254, doi: 10.1109/COBEP.2009.5347680.
AKBULUT, A., & DİKİCİ, A. (2004). ELAZIĞ İLİ’NİN RÜZGAR VE GÜNEŞ ENERJİSİ POTANSİYELİ. Fırat Üniversitesi Doğu Araştırmaları Dergisi, 2(2), 42–47.
ALCAN, Y., DEMİR, M., & DUMAN, S. (2018). Sinop İlinin Güneş Enerjisinden Elektrik Üretim Potansiyelinin Ülkemiz Ve Almanya İle Karşılaştırarak İncelenmesi. El-Cezeri Fen ve Mühendislik Dergisi, 5(1), 35–44.
Ju, Z., Lin, Y., Chen, B., Wu, H., Chen, M., & Xu, Q. (2022). Electromagnetic radiation induced non-chaotic behaviors in a Wilson neuron model. Chinese Journal of Physics, 77, 214–222.
B. M. Patil, D. Toshniwal and R. C. Joshi, "Predicting Burn Patient Survivability Using Decision Tree In WEKA Environment," 2009 IEEE International Advance Computing Conference, 2009, pp. 1353-1356, doi:10.1109/IADCC.2009.4809213.
KÖSE, E. (2018). Fotovoltaik Sistemlerin Sıcaklığa Bağlı Enerji Verimliliği Performansının Analiz Edilmesi. Dünya Multidisipliner Araştırmalar Dergisi, 2018(2), 39–53.
Zhou, Q., Lan, W., Zhou, Y., & Mo, G. (2020). Effectiveness Evaluation of Anti-bird Devices based on Random Forest Algorithm; Effectiveness Evaluation of Anti-bird Devices based on Random Forest Algorithm.
Wang, Z. Y., Lu, C., & Zhou, B. (2018). Fault diagnosis for rotary machinery with selective ensemble neural networks. Mechanical Systems and Signal Processing, 113, 112–130.
Yiğit, E., Özkaya, U., Öztürk, Ş., Singh, D., & Gritli, H. (2021). Automatic detection of power quality disturbance using convolutional neural network structure with gated recurrent unit. Mobile Information Systems, 2021, 1-11.
Pierro, M., Bucci, F., de Felice, M., Maggioni, E., Moser, D., Perotto, A., Spada, F., & Cornaro, C. (2016).
