Fotovoltaik panel yüzeyinde görüntü işleme teknikleri kullanarak kirlilik tespiti

Abstract

Güneş Enerji Santrallerinde (GES) üretilen enerjinin verimine etki eden birçok faktör bulunmaktadır. Güneş ışınımı, rüzgâr hızı ve yönü, Fotovoltaik (PV) hücre tipi, PV panelin konumlandırılması, kurulum çeşidi, kurulduğu yerin sıcaklığı ve nemi, üzerinde toz birikmesi ve karlanması verimini etkileyen en önemli faktörlerdir. Bu çalışmada, PV panellerin yüzeyinde biriken tozun panelin verimine olan etkisi incelenmiştir. İlk olarak PV panel Az Kirli (AK_Doğal), Normal Kirli (NK_3gr/0.388m^2) ve Çok Kirli (ÇK_9gr/0.388m^2) olmak üzere 3 farklı kirlilik seviyesinde tozlandırılmıştır. Daha sonra, kirletilmiş PV panellere ait akımlar, gerilimler, Yapay Güneş Kaynağı (YGK) ışınım değerleri ve PV panel hücre sıcaklıkları gibi sistem verileri elde edilmiştir. PV panel sistemine ait elde verilerin toplanabilmesi için halojen lambalara sahip YGK kullanılmıştır. Ayrıca, PV panelin kirlilik derecesine bağlı olarak panelin anlık güç çıkışının gerçek zamanlı olarak izlenebilmesi için elektronik donanım kartı ve yazılım sistemi de geliştirilmiştir. Böylece, kirlilik faktörünün PV panelin verimine etkisi nümerik değerlerle hesaplanmış ve kirlilik derecelerine göre anlık güç çıkışları karşılaştırılmıştır. Ayrıca kirlilik derecesinin tespiti için Internet Protokollü (IP) bir kamera ile PV panelden belirli aralıklarla görüntüler elde edilmiştir. Elde edilen PV panel kirlilik görüntülerinden Gri Seviye Eş-Dönüşüm Matrisi (GLCM)'ne dayalı 19 tane farklı Özellik Sayısı (ÖS) elde edilmiştir. Elde edilen bu yeni özellikli veriler Yapay Zekâ (YZ) tekniği ile sınıflandırılarak PV panellerin kirlilik derecesi tahmini gerçekleştirilmiştir. Sonuç olarak, gerçekleştirilen PV panel kirlilik derecesinin tahmini, PV panel kullanarak enerji elde eden Güneş Enerjisi Santrali (GES) işletmecilerine veya kişisel kullanıcılara, PV panel temizliğinin ne zaman ve ne sıklıkla yapılacağı ile ilgili bir fikir verecektir.

There are lots of factors which affect the efficiency of energy produced in solar power plants. Solar radiation, speed and direction of the wind, photovoltaic cell type, positioning of PV panels, installation type, temperature and humidity of the installed region, dust and snow on the panels are the most important factors affecting the Efficiency. In this study, the efficiency effect of the dust accumulated on the panels was studied. Firstly, the panel was dusted in three different dirt levels, which were Little Dirty (LD_Naturel), Normal Dirty (ND_3gr/0.388m^2) and Very Dirty (VD_9gr/0.388m^2). Then, some system data such as PV panel current, voltage, irradiation value and PV panel cell temprature were obtained from dusty panels. Artificial solar source with halogen lamps were used so as to get data about PV panel system. In addition, electronic hardware and software system were developed in order to observe realtime intantenous power output depending on dirt level. Hence, the effect of the dust factor on PV panel efficiency was interpreted by confıguring with numeric values and instantenous power outputs depending on dirt level were compared. Besides, some images were obtained via a camera with Internet Protocol (IP) from PV panels periodically for the detection of dirt level. By these PV panel dirt images, 19 Feature Numbers (FN) were obtained based on Grey Level Co-Occurance Matrice. PV panel's dirt level was classified by using these new featured data based on Artificial Intelligence (AI). Consequently, the detection of PV panel dirt level will give an idea about the time and frequency of PV panel cleaning to the personel users and Solar Power Plant (SPP) operators using PV panels.