Doğru GES parametrelerinin belirlenmesi için yapay sinir ağlarının kullanımı: radyasyon, sıcaklık ve MPPT

Gündelik Hayatta Daha Akıllı Güneş Enerjisi

Güneş panelleri artık çatı kaplamalarında, çiftliklerde ve hatta otoparklarda görülüyor, ancak bunlardan en yüksek verimi almak göründüğünden daha zordur. Güneş ışığı ve sıcaklık sürekli değişir ve geleneksel kontrol devreleri yavaş ve verimsiz olabilir. Bu çalışma, beyne benzer şekilde tasarlanmış bilgisayar sistemleri olan yapay sinir ağlarının, daha az sensör ve daha ucuz donanım kullanarak panellerden neredeyse her watt’ı otomatik olarak elde etmeye nasıl yardımcı olabileceğini gösteriyor.

Güneş ve Isı Neden Güneş Enerjisini Dengesizleştirir

Güneş panelleri, gerilim ve akımın birleşerek maksimum gücü verdiği belirli bir çalışma noktasında en iyi performansı gösterir. Bu ideal nokta, gün boyunca bulutların geçmesi, güneş açısının değişmesi ve panellerin ısınmasıyla sürekli kayar. Geleneksel kontrolörler, çalışma voltajını aşağı ve yukarı değiştirip gücün nasıl tepki verdiğini izleyerek o noktayı ararlar. Bu yöntemler basittir ama genellikle aşım yapar, yerleşmek için zaman alır ve gerçek maksimum güç noktasına kilitlenmek yerine sürekli salınım yaparak enerji israfına yol açar.

İçgörü Kaybetmeden Sensörleri Azaltmak

En iyi çalışma noktasını hassas şekilde izlemek için mühendisler geleneksel olarak panele düşen güneş ışığını ve hücrelerin sıcaklığını ölçer; bunun için bir ışık sensörü (piranometre) ve sıcaklık probu kullanılır. Bu aletler özellikle büyük güneş tarlalarında maliyet, karmaşıklık ve bakım gereksinimlerini artırır. Araştırmacılar, bu adanmış sensörleri tamamen atlayan bir ilk sinir ağı öneriyor. Bunun yerine ağ, tek bir referans panelden alınan iki temel elektrik ölçümüne bakıyor: açık devre gerilimi ve kısa devre akımı. Bu değerlerden ağ, hızla değişen hava koşulları altında bile güneşin parlaklığını ve panelin ne kadar ısındığını çıkarsamayı öğreniyor.

Ağın Güç Dönüştürücüyü Sürmesine İzin Vermek

Güneş ışığı ve sıcaklık tahmin edildikten sonra bir sonraki zorluk, panellerin tam olarak maksimum güç noktasında çalışmasını sağlamak için güç elektroniğini yönlendirmektir. Burada ikinci bir sinir ağı devreye girer. Bu ağ, tahmin edilen güneş ışığı ve sıcaklığı girdi olarak alır ve panelleri yüke bağlayan DC–DC dönüştürücünün optimal “görev döngüsü” ayarını çıktı olarak verir. Bu görev döngüsü, dönüştürücünün panel voltajını nasıl yükselteceğini ve akım akışını nasıl şekillendireceğini belirler. Sistemin ayrıntılı simulasyonlarından doğrudan öğrenerek ağ, yavaşça aramak yerine neredeyse anında en iyi ayara geçebilir.

Gerçek Gökyüzü Altında Test Etmek

Ekip, iki aşamalı yaklaşımlarını bilgisayar simulasyonları ve gerçek dünya deneyleriyle sınadı. Önce ağları panel spesifikasyonlarından elde edilen verilerle eğittiler ve test ettiler, ardından Mısır’ın güneşli kıyı kenti Hurghada’dan gerçek hava kayıtlarıyla değerlendirdiler. Son olarak iç mekânda panelleri taklit etmek için programlanabilir güç kaynakları kullanan ve dış mekânda üç gerçek güneş modülüyle çalışan donanım düzenekleri kurdular. Tüm durumlarda sinir ağı sistemi, geleneksel formüllerden çok daha doğru güneş ışığı ve sıcaklık tahmini yaptı ve voltaj ile akımda çok küçük dalgalanmalara ve yalnızca birkaç milisaniyelik tepki sürelerine sahip olarak neredeyse tüm kullanılabilir enerjiyi çıkardı.

Geleceğin Güneş Enerjisi İçin Anlamı

Uzman olmayan biri için sonuç, güneş panellerine çevreleri hakkında bir tür “akıllı his” kazandırmak olarak düşünülebilir. Çok sayıda fiziksel sensör ve deneme-yanılma kontrolü yerine hızlı öğrenen algoritmalara dayanarak sistem, değişen hava koşullarını bir sorun olmaktan çıkarıp hızla uyum sağlanabilecek bir şeye dönüştürüyor. Çalışma, dikkatle eğitilmiş sinir ağlarıyla bir güneş kurulumunun teorik güç çıkışının yakınında bir performans elde edebileceğini, aynı zamanda basit ve nispeten düşük maliyetli kalabileceğini gösteriyor. Bu fikirler daha büyük güneş tarlalarına, şebekeye bağlı sistemlere ve daha gelişmiş makine öğrenimi modellerine genişletildikçe, daha temiz, daha güvenilir ve daha uygun maliyetli güneş elektriği vaat ediyor.

Atıf: Abdelqawee, I.M., Selmy, M., ALI, M.N. et al. Harnessing artificial neural networks for accurate PV system parameters determination: radiation, temperature, and MPPT. Sci Rep 16, 9682 (2026). https://doi.org/10.1038/s41598-026-40175-5

Anahtar kelimeler: güneş enerjisi, fotovoltaik sistemler, sinir ağları, maksimum güç noktası takibi, yenilenebilir enerji kontrolü