Çift optik elemanlı yoğunlaştırılmış fotovoltaik sistemlerin akım-gerilim davranışının tahmini için makine öğrenmesi ile yaklaşık model geliştirilmesi
Development of a surrogate model using machine learning for current-voltage behavior of dual optical element concentrated photovoltaic system
- Tez No: 976265
- Danışmanlar: DOÇ. DR. OSMAN TURAN
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde artan küresel enerji talebi ve fosil yakıtların çevresel etkileri, yenilenebilir enerji kaynaklarına olan yönelimi zorunlu kılmıştır. Bu teknolojiler arasında yer alan Yoğunlaştırılmış Fotovoltaik (CPV) sistemler, güneş ışığını optik elemanlar vasıtasıyla küçük alanlı ve yüksek verimli güneş hücreleri üzerine odaklayarak, standart fotovoltaik sistemlere kıyasla daha yüksek enerji dönüşüm verimliliği sunma potansiyeline sahiptir. Ancak, CPV sistemlerinin performansını etkileyen optik ve geometrik parametrelerin çokluğu ve bu parametreler arasındaki karmaşık, doğrusal olmayan ilişkiler, tasarım süreçlerini zorlaştırmakta ve deneysel maliyetleri artırmaktadır. Bu tez çalışmasının temel amacı, çift optik elemanlı (Fresnel lens) CPV sistemlerinin karmaşık elektriksel davranışını tahmin etmek ve sistem performansını optimize etmek için makine öğrenmesi tabanlı, çok katmanlı bir yaklaşık model (surrogate model) geliştirmektir. Çalışmada, deneysel veriler kullanılarak geliştirilen model mimarisi, Optuna algoritması ile hiperparametre optimizasyonu yapılmış XGBoost (Extreme Gradient Boosting) tabanlı Çoklu Çıktı Regresyonu ve Yapay Sinir Ağı (YSA) katmanlarının entegrasyonundan oluşmaktadır. Geliştirilen model, sistemin optik parametreleri (birincil ve ikincil lenslerin yoğunlaştırma oranları C1, C2 ve odak oranları f1, f2) ile çevresel koşulları (ışınım şiddeti G) girdi olarak kullanmakta; çıktı olarak ise maksimum güç (Pmax), maksimum akım (Imax) ve maksimum gerilim (Vmax) değerlerini yüksek doğrulukla tahmin etmektedir. Özellikle sistemin maksimum performansını sağlayan kritik“Lensler Arası Mesafe”(LD) değerinin kestirilmesi, çalışmanın özgün katkılarından biridir. YSA tabanlı yaklaşım sayesinde, geniş bir parametre uzayında sanal tarama yapılarak, farklı ışınım seviyeleri için optimum LD ve optik konfigürasyon kombinasyonları belirlenebilmiştir. Bu yöntem, sistemi adeta bir“sanal laboratuvar”ortamında test etme imkânı sunarak, fiziksel prototip üretiminden kaynaklanan zaman ve maliyet kayıplarını minimize etmektedir. Modelin geçerliliği ve tahmin başarısı, literatürde kabul görmüş analitik bir yöntem olan Akbaba ve Alattawi (1995) I-V eğrisi modeli ile sistematik olarak karşılaştırılarak doğrulanmıştır. Yapılan karşılaştırmalı analizlerde, makine öğrenmesi modelinin ürettiği I-V eğrilerinin, özellikle Açık Devre Gerilimi (Voc) ve Kısa Devre Akımı (Isc) bölgelerinde referans model ile yüksek korelasyon gösterdiği tespit edilmiştir. Elde edilen düşük normalize Kök Ortalama Kare Hata (nRMSE) değerleri ve küçük sapma oranları, modelin fiziksel davranışla uyumlu ve güvenilir sonuçlar ürettiğini kanıtlamaktadır. Sonuç olarak bu çalışma, CPV sistemlerinin tasarım ve optimizasyon süreçlerinde mühendislik kararlarını hızlandıran, veri odaklı ve genellenebilir bir karar destek aracı ortaya koymaktadır. sunduğunu kanıtlamaktadır.
Özet (Çeviri)
In Today, the escalating global energy demand and the detrimental environmental impacts of fossil fuels have necessitated a shift towards renewable energy sources. Among these technologies, Concentrated Photovoltaic (CPV) systems possess the potential to offer significantly higher energy conversion efficiencies compared to standard photovoltaic systems by focusing sunlight onto small-area, high-efficiency solar cells using optical elements. However, the multiplicity of optical and geometric parameters affecting the performance of CPV systems, coupled with the complex, non-linear relationships among these parameters, complicates design processes and escalates experimental costs.The primary objective of this thesis is to develop a machine learning-based, multi-layered surrogate model to predict the complex electrical behavior of dual optical element (Fresnel lens) CPV systems and to optimize system performance. The model architecture, developed using experimental data, consists of the integration of an XGBoost (Extreme Gradient Boosting) based Multi-Output Regression layer, optimized via the Optuna framework, and a Neural Network (NN) layer. The developed model utilizes the system's optical parameters (concentration ratios C1, C2 and focal ratios f1, f2 of the primary and secondary lenses) and environmental conditions (irradiance intensity G) as inputs, producing maximum power (Pmax), maximum current (Imax), and maximum voltage (Vmax) values as outputs with high accuracy. A unique contribution of this study is the estimation of the critical“Inter-Lens Distance”(LD) that ensures the system's maximum performance. Through the Neural Network-based approach, a virtual sweep is conducted across a broad parameter space, enabling the identification of optimum LD and optical configuration combinations for varying irradiance levels. This methodology offers the capability to test the system in a“virtual laboratory”environment, thereby minimizing time and cost losses associated with physical prototype manufacturing. The validity and predictive performance of the model were systematically cross-validated against the Akbaba ve Alattawi (1995) I-V curve model, a widely accepted analytical method in the literature. Comparative analyses revealed that the I-V curves generated by the machine learning model exhibited a high correlation with the reference model, particularly in the Open Circuit Voltage (Voc) and Short Circuit Current (Isc) regions. The obtained low normalized Root Mean Square Error (nRMSE) values and minimal deviation rates demonstrate that the model produces reliable results consistent with physical behavior. Consequently, this study presents a data-driven and generalizable decision-support tool that accelerates engineering decisions in the design and optimization processes of CPV systems.
Benzer Tezler
- Nokta odaklı fresnel lens kullanılan CPV sistemlerde ikincil optik eleman kullanımının etkisi
The effect of using secondary optical element in point focus fresnel lens based CPV system
FERHAT KARTAL
Yüksek Lisans
Türkçe
2020
Makine MühendisliğiBursa Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN TURAN
- Gelecek nesil pasif optik erişim ağlarının analizi
Analysis of next generation passive optical access networks
ÖZGÜR CAN TURNA
Doktora
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLHALİM ZAİM
PROF. DR. TÜLİN ATMACA
- NGC 4861, NGC 4449 galaksilerinde aşırı parlak X-ışın kaynaklarının x-ışın ve optik özelliklerinin araştırılması
Investigation of X-ray and optical properties of ultraluminous x-ray sources in NGC 4861, NGC 4449 galaxies
MELİKE ÖZDOĞAN ELA
Yüksek Lisans
Türkçe
2020
Fizik ve Fizik MühendisliğiÇukurova ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. AYSUN AKYÜZ
- Design of differential transimpedance amplifier in SiGe BiCMOS for 10 Gbit/s fiber optical receivers
10 Gbit/s fiber optik alıcılar için SiGe BiCMOS farksal geçiş-empedansı kuvvetlendiricisi tasarımı
YUNUS AKBEY
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN PALAMUTÇUOĞULLARI
- Enhancing the quality of resistance welding of CF/PEKK composites under room- and low-temperature conditions: the role of welding time and double welding
Oda ve düşük sıcaklık koşullarında, direnç kaynağıyla birleştirilen CF/pekk kompozitlerin kalitesinin arttırılması: Kaynak süresi ve çift kaynaklamanın etkisi
BUSE ATAÇ TEKSİN
Yüksek Lisans
İngilizce
2025
Mühendislik BilimleriSabancı ÜniversitesiMalzeme Bilimi ve Nanomühendislik Ana Bilim Dalı
DOÇ. DR. HATİCE SİNEM ŞAŞ ÇAYCI