Güneş panellerinin kirliliği sonucu temizlik robotlarına yönelik bölgesel yönlendirme sistemi
Küçük Resim Yok
Tarih
2025
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Bursa Teknik Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde güneş enerjisi, yenilenebilir enerji kaynakları arasında çevre dostu ve sürdürülebilir bir alternatif olarak öne çıkmaktadır. Güneş enerjisi üretimi, temelde termal sistemler ve fotovoltaik (PV) sistemler aracılığıyla gerçekleştirilmektedir. Bu sistemler arasında, fotovoltaik sistemler enerji dönüşümü ve çevresel etkiler açısından önemli bir yer tutmaktadır. PV sistemler, güneş enerjisini elektrik enerjisine dönüştürebilme kabiliyeti sayesinde çok sayıda enerji santralinde ve bireysel uygulamalarda tercih edilmektedir. Bununla birlikte, bu sistemlerin verimliliği dış etkenlere bağlı olarak zamanla azalabilmektedir. Fotovoltaik paneller, dış ortam koşullarına maruz kaldıkları için toz, yağmur, polen, kuş dışkısı ve diğer çevresel faktörler nedeniyle kirlenmektedir. Bu kirlenme, panellerin ışık alma kapasitesini azaltarak enerji üretim verimliliğini düşürmektedir. Özellikle büyük ölçekli fotovoltaik enerji santrallerinde, paneller arasındaki kirlenme şiddeti eşit dağılmaz; bazı paneller diğerlerine göre daha fazla kirlenir. Geleneksel temizlik yöntemlerinde, panellerin hem temiz hem de kirli olanlarının bir arada temizlenmesi yaygındır. Ancak bu durum, gereksiz enerji ve su tüketimine, temizlik robotlarının aşınmasına ve yedek parça israfına yol açmaktadır. Bu sorunlara yönelik planlanan sistem, PV panellerin temizliğini daha verimli hale getirmeyi hedeflemektedir. Bu sistemde, panellerin kirlenme durumlarını tespit etmek için görüntü işleme teknikleri kullanılarak, kamera sistemleriyle elde edilen veriler analiz edilerek, yalnızca kirli bölgeler belirlenip temizlik robotuna iletilecektir. Bu yöntem, gereksiz enerji ve su tüketimini azaltacak, temizlik sürecini hızlandıracak ve robotun malzeme ömrünü uzatacaktır. Ayrıca, yalnızca kirli alanlara odaklanılması, enerji üretim verimliliğinin artmasını ve sistem performansının iyileşmesini sağlayacaktır. Yalnızca kirli alanlara odaklanarak yapılan bu temizlik, zaman tasarrufu sağlarken, temizlik robotunun bakım ihtiyacını ve aşınma oranlarını azaltacaktır. Geleneksel temizlik yöntemlerinden farklı olarak, bu yöntemle temizlik operasyonlarının çevresel etkileri de minimize edilecektir. Daha az su ve enerji kullanımı, PV sistemlerinin sürdürülebilirliğini arttırırken, ekonomik verimliliğinin de artmasını sağlayacaktır. Sonuç olarak, fotovoltaik panellerin temizliğini optimize etmeye yönelik bu yenilikçi yaklaşım, enerji verimliliğinin artması ve temizlik maliyetlerinin azaltılması adına önemli bir potansiyele sahiptir. Bu çalışma, PV sistemlerinin daha sürdürülebilir, ekonomik ve çevre dostu bir şekilde kullanılmasına katkı sağlayacaktır.
Solar energy is recognized as a sustainable and environmentally friendly alternative among renewable energy sources. Electricity generation from solar energy is primarily achieved through thermal systems and photovoltaic (PV) systems, with PV systems playing a crucial role in energy conversion and environmental sustainability. Due to their ability to directly convert solar radiation into electrical energy, PV systems are widely utilized in both large-scale energy plants and individual applications. However, their efficiency diminishes over time due to exposure to various environmental factors. Photovoltaic panels, being continuously subjected to outdoor conditions, accumulate dust, rain residues, pollen, bird droppings, and other contaminants, which significantly reduce their capacity to absorb sunlight and, consequently, their energy production efficiency. In large-scale PV power plants, contamination levels vary across different panels, with some accumulating more dirt than others. Conventional cleaning methods, which involve cleaning both clean and contaminated panels simultaneously, lead to unnecessary water and energy consumption, increased wear on cleaning robots, and inefficient use of spare parts. To address these challenges, the proposed system integrates image processing techniques to enhance the efficiency of PV panel cleaning. Through real-time camera-based monitoring, contamination levels on panel surfaces are analyzed, enabling the identification of only the affected areas. This targeted approach ensures that cleaning efforts are directed solely toward contaminated regions, thereby reducing unnecessary energy and water usage, expediting the cleaning process, and extending the operational lifespan of cleaning robots. By implementing a selective cleaning strategy, this system not only enhances energy production efficiency but also minimizes maintenance requirements and mechanical wear on cleaning equipment. Unlike conventional methods, which indiscriminately clean all panels, this approach optimizes resource utilization and mitigates the environmental footprint of cleaning operations. The reduction in water and energy consumption contributes to the overall sustainability and economic viability of PV systems. In conclusion, the adoption of an image processing-based selective cleaning approach presents a promising advancement in photovoltaic panel maintenance. This study underscores the potential of such a system in improving energy efficiency, reducing operational costs, and fostering the sustainable and cost-effective deployment of PV technologies.
Solar energy is recognized as a sustainable and environmentally friendly alternative among renewable energy sources. Electricity generation from solar energy is primarily achieved through thermal systems and photovoltaic (PV) systems, with PV systems playing a crucial role in energy conversion and environmental sustainability. Due to their ability to directly convert solar radiation into electrical energy, PV systems are widely utilized in both large-scale energy plants and individual applications. However, their efficiency diminishes over time due to exposure to various environmental factors. Photovoltaic panels, being continuously subjected to outdoor conditions, accumulate dust, rain residues, pollen, bird droppings, and other contaminants, which significantly reduce their capacity to absorb sunlight and, consequently, their energy production efficiency. In large-scale PV power plants, contamination levels vary across different panels, with some accumulating more dirt than others. Conventional cleaning methods, which involve cleaning both clean and contaminated panels simultaneously, lead to unnecessary water and energy consumption, increased wear on cleaning robots, and inefficient use of spare parts. To address these challenges, the proposed system integrates image processing techniques to enhance the efficiency of PV panel cleaning. Through real-time camera-based monitoring, contamination levels on panel surfaces are analyzed, enabling the identification of only the affected areas. This targeted approach ensures that cleaning efforts are directed solely toward contaminated regions, thereby reducing unnecessary energy and water usage, expediting the cleaning process, and extending the operational lifespan of cleaning robots. By implementing a selective cleaning strategy, this system not only enhances energy production efficiency but also minimizes maintenance requirements and mechanical wear on cleaning equipment. Unlike conventional methods, which indiscriminately clean all panels, this approach optimizes resource utilization and mitigates the environmental footprint of cleaning operations. The reduction in water and energy consumption contributes to the overall sustainability and economic viability of PV systems. In conclusion, the adoption of an image processing-based selective cleaning approach presents a promising advancement in photovoltaic panel maintenance. This study underscores the potential of such a system in improving energy efficiency, reducing operational costs, and fostering the sustainable and cost-effective deployment of PV technologies.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering ; Mühendislik Bilimleri
