Deep Learning Based Fault Detection and Diagnosis in Photovoltaic System Using Thermal Images Acquired by UAV
Yazarlar (3)
Barış Kaycı Karabük Üniversitesi
Doç. Dr. Batıkan Erdem DEMİR Karabük Üniversitesi, Türkiye
Doç. Dr. Funda DEMİR Karabük Üniversitesi, Türkiye
Makale Türü Açık Erişim Özgün Makale (ESCI dergilerinde yayınlanan tam makale)
Dergi Adı JOURNAL OF POLYTECHNIC-POLITEKNIK DERGISI
Dergi ISSN 1302-0900 Dergi Bilgileri (2024)
Dergi Tarandığı Indeksler ESCI
Makale Dili İngilizce Basım Tarihi 02-2024
Kabul Tarihi 15-04-2022 Yayınlanma Tarihi 29-02-2024
Cilt / Sayı / Sayfa 27 / 1 / 91–99 DOI 10.2339/politeknik.1094586
Makale Linki https://dergipark.org.tr/tr/pub/politeknik/article/1094586
UAK Araştırma Alanları
Yenilenebilir Enerji Sistemleri Görüntü İşleme Yapay Zeka
Özet
Güneş enerjisi, dünyanın en büyük yenilenebilir enerji kaynaklarından biridir. Fotovoltaik sistemler ile güneşin olduğu her yerde elektrik enerjisi üretilebilir. Fotovoltaik sistemlerde verim kayıplarını önlemek için bu sistemlerin düzenli aralıklarla test edilmesi gerekmektedir. Bu çalışmada güneş panellerinden elde edilen termal görüntüler kullanılarak panellerdeki hücre, modül ve panel arızalarının tespiti ele alınmıştır. Çalışma kapsamında dört rotorlu bir insansız hava aracı (drone) tasarlamış ve araca termal bir kamera yerleştirilmiştir. Böylelikle Karabük Üniversitesi binalarının çatısında bulunan güneş panellerinin termal görüntüleri alınmıştır. Elde edilen termal görüntüler kullanılarak hücre hatası, modül hatası ve panel hatasını içeren bir termal veri seti oluşturulmuştur. YOLOv3 derin öğrenme tabanlı evrişimsel sinir ağı, oluşturulan veri seti ile eğitilmiştir. Bu eğitim, gömülü bir yapay zeka bilgi işlem cihazı olan Nvidia Jetson TX2 üzerinde gerçekleştirilmiştir. YOLOv3 ağının eğitiminin tamamlanmasının ardından testlerde bahsedilen arızaların başarıyla tespit edildiği sonucuna ulaşılmıştır.
Anahtar Kelimeler
derin öğrenme | termografi | arıza tespiti | Fotovoltaik sistem | insansız hava araçları