Güneş enerjisi sistemlerinin küresel kurulu gücü 2023 yılı itibarıyla 1,6 terawatt’a ulaşmış durumda. Bu büyüme beraberinde kritik bir soruyu gündeme taşıyor: Milyonlarca fotovoltaik panel nasıl daha akıllı, daha güvenilir ve daha verimli izlenebilir? İşte bu soruya yanıt arayan ZERODEFECT4PV projesi, İnelso Energy’nin uluslararası
bilim dünyasıyla buluştuğu en önemli AR-GE işbirliklerinden biri.
ZERODEFECT4PV Projesi Nedir?
ZERODEFECT4PV, Almanya Federal Ekonomi ve İklim Koruma Bakanlığı (BMWK) tarafından ERA-NET SES ENERDIGIT programı kapsamında desteklenen uluslararası bir AR-GE projesidir. Türkiye’den TÜBİTAK desteğiyle yürütülen projeye İnelso Energy, Almanya’dan Fraunhofer IFF ve Romanya’dan BEIA Consult International ortak olarak katılmaktadır.
Projenin temel amacı:
Fotovoltaik güneş panellerinde yapay zeka algoritmalarını kullanarak hata tespiti ve kestirimci bakım sistemleri geliştirmek.
Güneş Panellerinde Hangi Hatalar Oluşuyor?
Araştırmalar, fotovoltaik sistemlerdeki en sık karşılaşılan hata türlerinin panel performansını ciddi ölçüde düşürebildiğini göstermektedir:
– Hücre çatlakları: %0,9 ile %60 arasında güç kaybı
– Potansiyel kaynaklı bozunma (PID): %25-60 güç kaybı
– Toz kirliliği: %4,4-20 güç kaybı
– Sıcak nokta (hotspot): %0,83-15,47 güç kaybı
– Korozyon: %3-27 güç kaybı
Bu kayıpların erkenden tespit edilmesi, santral ömrünü uzatmak ve üretim kayıplarını minimize etmek açısından kritik önem taşıyor.
İnelso Energy’nin Projede Rolü
İnelso Energy, ZERODEFECT4PV kapsamında Türkiye pilot sahasını yönetmektedir. Toros Dağları’nda yer alan operasyonel bir güneş tarlasında kurulan bu pilot, projenin erken donanım doğrulama aşaması için kritik bir merkez konumundadır.
İnelso ekibi tarafından geliştirilen Veri Toplama Birimleri (DCU’lar), fotovoltaik panellerin arka yüzeyine monte edilerek modül bazında:
– Gerilim (Voltaj) ölçümü
– Akım ölçümü
– Sıcaklık takibi
verilerini gerçek zamanlı olarak toplamaktadır. Bu veriler, Fraunhofer IFF’in Entegre Operasyon Merkezi’nde (IOC) yapay zeka modelleri ile işlenerek hata tespiti ve üretim tahminleri için kullanılmaktadır.
Kullanılan Yapay Zeka Yöntemleri
Projede dört temel makine öğrenmesi algoritması ön plana çıkmaktadır:
- Random Forest (RF): %99,4 doğruluk oranıyla hata tespitinde üstün performans sergiliyor. Kısmi gölgeleme, hücre kırılması, sıcak nokta ve kısa devre gibi geniş bir hata yelpazesini tespit edebiliyor.
- Yapay Sinir Ağları (ANN): Simülasyon ve gerçek dünya testlerinde %100 doğruluk oranına ulaşan ANN, karmaşık doğrusal olmayan ilişkileri modellemede öne çıkıyor.
- Destek Vektör Makinesi (SVM): Yüksek boyutlu verilerin sınıflandırılmasında etkin bir yöntem.
- K-En Yakın Komşu (kNN): Kısa devre, açık devre ve kısmi gölgeleme hatalarını tespit eden basit ama etkili bir algoritma.
Üç Ülke, Üç Pilot Saha
Proje kapsamında üç farklı ülkede pilot sahalar kurulmuştur:
🇹🇷 Türkiye – İnelso Energy Pilot Sahası Toros Dağları’ndaki gerçek bir GES’te polikristallin paneller
üzerinde donanım doğrulaması gerçekleştirilmektedir.
🇷🇴 Romanya – BEIA Consult Pilot Sahası SolarEdge invertörlerle izlenen 6 kWp’lik çatı sistemi, AI
modellerinin test edilmesinde kullanılmaktadır.
🇩🇪 Almanya – Fraunhofer IFF Pilot Sahası “Elbfabrik” kompleksindeki 10 kWp ve 30 kWp olmak üzere
iki çatı sistemi, projenin ana donanım ve yazılım testlerini yürütmektedir.
ZERODEFECT4PV projesi, güneş enerjisi sektörünün en kritik sorunlarından biri olan hata tespiti ve kestirimci bakım alanında önemli adımlar atmaktadır. İnelso Energy’nin bu uluslararası konsorsiyumdaki rolü, şirketin AR-GE odaklı teknoloji vizyonunun ve küresel enerji araştırmacılarıyla kurduğu güçlü iş birliklerinin
somut bir yansımasıdır.
Güneş enerjisi sistemlerinin daha akıllı, daha güvenilir ve daha verimli olması için çalışmaya devam ediyoruz.
SolarMetrica platformumuz ve SCADA çözümlerimiz hakkında daha fazla bilgi almak için bizimle iletişime geçin.
