Cumhurbaşkanlığı himayelerinde, Sanayi ve Teknoloji Bakanlığı uhdesinde, TÜBİTAK MAM (Marmara Araştırma Merkezi) Kutup Araştırmaları Enstitüsü koordinasyonunda ve Prof. Dr. Burcu Özsoy’un sefer koordinatörlüğünde 27 Ocak-3 Mart arasında düzenlenen 8. Ulusal Antarktika Bilim Seferi'nde gerçekleştirilen bilimsel araştırmalar arasında extrem hava koşullarında güneş enerjisiyle enerji üretimi çalışması da yer aldı.

TÜBİTAK MAM tarafından yapılan 2023 yılı "Kutup-1001" çağrısı kapsamında bilimsel olarak desteklenmesine karar verilen projeler arasında yer alan "Antarktika İklim Şartlarında Yüksek Enerji Performansına Sahip Fotovoltaik Güneş Panel Tipinin Belirlenmesi İçin Yapay Zekâ Yöntemleri ile Faydalı Model Üretilmesi" başlıklı çalışmada bölümümüz öğretim üyeleri Doç. Dr. Mehmet Daş (yürütücü) ve Prof. Dr. Ebru Akpınar (Araştırmacı) ve Yazılım Mühendisliği Bölümü Öğretim Üyesi Prof. Dr. Bilal Alataş (Araştırmacı) görev alıyor. İlgili proje, proje ekibi tarafından başarıyla tamamlanmıştır. Proje sefersiz katılım ile kabul edilmiş ve TAE 8 seferi süresince yapılan deneyler kutup araştırmaları enstitüsünde görev alan Doç. Dr. Erhan Arslan tarafından gerçekleştirilmiştir.

Türk Antarktika Seferi, 2017’den bu yana Antarktika’ya düzenli seferler yapılmaktadır. Proje kapsamında yapılan deneylerin yeri, Antarktika Yarımadası’ndaki Marguerite Körfezi’nde, Horseshoe Adası olup, koordinatları 67.829676° Güney enlemi ve 67.237757° Batı boylamıdır (koordinatlar: 67°49’46.83”G 67°14’15.92”B). Burada geçici bir üs olarak kullanılan Türk Antarktika Araştırma İstasyonu (TARS) bulunmaktadır. Deneyler, Antarktika yazı olarak bilinen dönemde (Aralık-Şubat 2024) gerçekleştirilmiştir. Şekil 1, TARS’ın bulunduğu alanın genel bir görünümünü göstermektedir. Kırmızı kutu Antarktika yarımadasını, yuvarlak işaret Marguerite Körfezi’ni ve haritadaki kırmızı nokta deneylerin yerini göstermektedir. Deneyler Antarktika yazında (Aralık, Ocak ve Şubat) Horseshoe Adası'nda gerçekleştirilmiştir. Deneylerde kullanılan ekipman Şekil 2'de gösterilmektedir.

Şekil 1. Projenin ve TARS’ın Bölgesel Görünümü (A), TARS ve Deneysel Düzenek (B)

Şekil 2. Deney düzeneği

Projenin Amacı ve Önemi 

Bu projenin önemi, Antarktika’nın zorlu iklim koşullarında fotovoltaik sistemlerin gerçek performansını deneysel veriler ve yapay zekâ temelli modellerle ortaya koyarak sürdürülebilir enerji teknolojilerine bilimsel ve uygulamalı katkı sağlamasıdır. Projenin gerçekleştirilen amaçları kısaca aşağıda verilmiştir.

 1-        Antarktika iklim şartları altında sıcaklık, hava hızı, nem ve güneş ışınım değerleri gibi farklı çevresel faktörlerin monokristal, polikristal, incel film ve esnek tip fotovoltaik (FV) güneş panellerinin enerji performansları üzerindeki etkileri gözlemlemek ve en fazla enerji üreten panel tipini belirlemek.

 2-        FV panellerin enerji performansının belirlenmesi için yapılan ölçümlerdeki parametrelerden oluşan veri setlerini elde etmek.

 3-        FV panel tipilerinin enerji performanslarını ifade edebilecek açıklanabilir kurallardan oluşan şeffaf sınıflandırma modelleri elde etmek.

 4-        Regresyon esaslı yapay zekâ yöntemleri kullanılarak her bir FV panel tipi için enerji performans değerlerini hesaplayabilen matematiksel eşitlikler elde etmek.

Elde Edilen Sonuçlar

Mevcut proje, Antarktika’daki Horseshoe Adasında dört farklı PV panelin (monokristal, polikristal, esnek ve şeffaf) enerji performansını deneysel olarak test etmeyi amaçlamaktadır. Elde edilen veriler makine öğrenimi algoritmalarıyla birleştirir. Deneyler Antarktika’nın zorlu çevre koşulları altında yapıldı. Güneş radyasyonu, sıcaklık, nem ve rüzgâr hızı gibi temel çevresel faktörlerin panel performansı üzerindeki etkisi incelendi.

Bulgular, monokristal PV panellerinin en yüksek elektrik gücünü (25 Watt güce sahip paneller ile 17 Watt üretim) ürettiğini, flexible PV panellerinin ise en yüksek enerji verimliliğini (19.67% verimlilik) gösterdiğini gösterdi. Ayrıca, esnek panellerin diğer panel tiplerine kıyasla daha yüksek yüzey sıcaklıklarına sahip olduğu görüldü. Bu bulgular, makine öğrenimi tekniklerinin aşırı iklim koşullarında yenilenebilir enerji sistemlerinin performansını optimize etmedeki etkinliğini göstermektedir.

Ayrıca, proje PV sistemlerinin çevresel etkisini incelemiş ve karbon emisyonlarında önemli bir azalma olduğunu göstermiştir. Örneğin, monokristal panellerin kullanımı yılda ortalama 3.35 ton CO₂ emisyonu azaltımına yol açmış ve böylece sürdürülebilir enerji çözümlerinin geliştirilmesine katkıda bulunmuştur. Ayrıca, bu projeyle elde edilen veriler, gelecekteki araştırmalarda zorlu çevre koşullarında yenilenebilir enerji sistemlerinin uygulanabilirliğinin değerlendirilmesi için değerli bir referans noktası görevi görmektedir.

Daha ileri çalışmalar, performans tahminlerini iyileştirme amacıyla veri toplama sürelerini uzatmaya ve ek çevresel faktörleri modellere entegre etmeye yoğunlaşabilir. Bu araştırma, Antarktika gibi aşırı bölgelerde yenilenebilir enerji sistemlerinin kullanımını optimize etmek için stratejilerin geliştirilmesi için sağlam bir temel sunmaktadır.

Bu proje kapsamında, farklı fotovoltaik (PV) panel türleri (Esnek, Monokristal, Polikristal ve Transparan) için çevresel faktörlerin elektriksel güç üretimi üzerindeki etkileri makine öğrenimi modelleri ve çok amaçlı optimizasyon teknikleri ile incelenmiştir. PACE ve ElasticNet regresyon algoritmaları kullanılarak yapılan tahminlerde, farklı panel türlerinin enerji üretim kapasiteleri değerlendirilmiş ve modellerin doğruluk performansları karşılaştırılmıştır. Deneysel çalışmalar, 14-18 Şubat 2024 tarihleri arasında yürütülmüş ve her PV panel türü için ölçülen elektriksel güç değerleri, makine öğrenimi algoritmaları tarafından tahmin edilen güç değerleri ile karşılaştırılmıştır. Genel olarak, PACE modeli, özellikle gün içindeki ani değişimleri daha iyi yakalayarak ElasticNet modeline kıyasla daha başarılı tahmin sonuçları üretmiştir.

Deneysel analizlerden elde edilen veriler, panel yüzey sıcaklığının (TF, TM, TT) güç üretimi üzerindeki en belirleyici çevresel değişken olduğunu göstermiştir. Esnek PV paneller için panel yüzey sıcaklığının mutlak katsayı değeri en yüksek olurken, polikristal ve monokristal panellerde de sıcaklık değişkeninin enerji üretimi üzerindeki negatif etkisi belirgin şekilde gözlemlenmiştir. Güneş ışınımı (UV) ise tüm PV panel türlerinde en büyük pozitif katsayıya sahip değişken olarak belirlenmiş olup, artan ışınım seviyelerinin güç üretimini doğrudan artırdığı doğrulanmıştır. Rüzgar hızı (SPEED) değişkeninin panel yüzey sıcaklığını düşürerek güç üretimi üzerindeki dolaylı etkisi literatürde belirtildiği gibi doğrulanmış ancak, genel olarak düşük katsayılara sahip olduğu görülmüştür. Nem (HUM) değişkeni ise tüm panel türleri için en düşük etkiye sahip çevresel faktörlerden biri olmuş ve genellikle negatif etki göstermiştir.

Matematiksel eşitlikler ve makine öğrenimi algoritmalarının hata oranları incelendiğinde, PACE modelinin tüm panel türleri için en düşük Ortalama Mutlak Hata (MAE) ve Kök Ortalama Kare Hata (RMSE) değerlerine ulaştığı görülmüştür. Özellikle monokristal PV panellerde PACE modeli en düşük hata oranlarına ulaşarak, tahmin edilen güç değerlerinin deneysel verilere oldukça yakın olduğunu göstermiştir. Polikristal panellerde ise tahmin hatalarının nispeten daha yüksek olduğu görülmüş, bunun nedeni olarak polikristal panellerin çevresel değişkenlere daha fazla duyarlılık göstermesi belirlenmiştir. Transparan panellerin enerji üretimi en düşük seviyede olup, tahmin edilen güç değerlerinin deneysel verilerle en az örtüşen sonuçları verdiği görülmüştür.

Bu proje ayrıca, otomatik olarak türetilen şeffaf kuralların PV panel güç üretimi üzerindeki açıklayıcılığını da değerlendirmiştir. Esnek PV paneller için üretilen kurallar, panel yüzey sıcaklığı ve güneş ışınımının belirli aralıklarla tutulmasının enerji üretimi üzerindeki etkisini başarılı bir şekilde yansıtmıştır. Benzer şekilde, monokristal ve polikristal PV paneller için oluşturulan kurallar, sıcaklığın ve güneş ışınımının belirleyici olduğunu göstermiş, rüzgar hızının ise belirli senaryolarda enerji üretimini stabilize eden bir faktör olduğu belirlenmiştir.

Sonuç olarak, bu projede elde edilen bulgular, PV panellerin enerji üretiminin çevresel değişkenlerle olan ilişkisini derinlemesine analiz etmiş ve farklı panel türleri için en uygun tahmin modelleri ile matematiksel kuralların doğruluğunu değerlendirmiştir. Makine öğrenimi algoritmaları ve optimizasyon tekniklerinin kullanımı, PV panellerin güç üretimini öngörmede başarılı sonuçlar vermiş ve çevresel koşullara dayalı olarak enerji verimliliğini artırma potansiyelini ortaya koymuştur. Gelecekte, daha geniş veri setleri ile uzun vadeli tahminler yapmak ve farklı optimizasyon yöntemleri kullanarak enerji üretimini maksimize eden yeni modeller geliştirmek mümkün olacaktır. Bu bağlamda, elde edilen sonuçlar hem akademik araştırmalar hem de endüstriyel uygulamalar için önemli bir referans noktası oluşturmaktadır.

Genel olarak, bu proje PV panellerin enerji üretimini tahmin etmek için makine öğrenimi tabanlı modellerin etkin bir şekilde kullanılabileceğini göstermekte ve çevresel faktörlerin enerji verimliliği üzerindeki etkilerini analiz ederek sürdürülebilir enerji sistemleri için önemli bulgular sunmaktadır. Elde edilen sonuçlar, hem akademik araştırmalar hem de endüstriyel uygulamalar açısından değerli olup, PV sistemlerinin daha verimli kullanılmasına yönelik gelecekteki çalışmalara rehberlik edebilecek niteliktedir.

Proje ile Elde Edilen veya Beklenen Bilimsel, Teknolojik, Ekonomik ve Sosyal Kazanımlar 

•          Projeden uluslararası, etki faktörü yüksek dergilerde yapılan yayınlar

-           Das, M., Arslan, E., Kaya, S., Alatas, B., Akpinar, E., Özsoy, B. (2024). Performance Evaluation of Photovoltaic Panels in Extreme Environments: A Machine Learning Approach on Horseshoe Island, Antarctica. Sustainability, 17(1), 174. https://doi.org/10.3390/su17010174 (Q2) 

-           Das, M., Kaya, S., Alatas, B., Akpinar, E. (2024, December). Machine Learning Models for Power and Surface Temperature Values of Different Types of Photovoltaic Solar Panels under Antarctic Climate Conditions. In 2024 8th International Symposium on Innovative Approaches in Smart Technologies (ISAS) (pp. 1-7). IEEE. https://doi.org/10.1109/ISAS64331.2024.10845745

•          Projenin ülkenin bilimsel ve teknolojik araştırma gücüne, bilim insanı yetiştirilmesi ve yeni yetenekler kazanılmasına sağladığı katkılar

-           Proje kapsamında Fırat Üniversitesi, Fen Bilimleri, Yazılım Mühendisliği A.B.D.’de “Ekstrem Koşullarda Fotovoltaik Sistemler için Veri Odaklı Enerji Üretim Modellemesi” adlı 1 adet yüksek lisans tezi kabul edilmiştir.

-           Proje kapsamında, Doktora bursiyeri Şule Kaya tarafından, Fırat Üniversitesi, Fen Bilimleri, Yazılım Mühendisliği A.B.D.’de 1 adet “Fotovoltaik Panellerin Zorlu Koşullardaki Enerji Performansının Makine Öğrenimi Tabanlı Tahmini” adlı doktora semineri sunulmuştur.

-           Star bursiyeri Sena Nur Çulcu tarafından, Karadenız 16th Internatıonal Conference On Applıed Scıences kongresinde, “Dört Farklı Tip Fotovoltaik Güneş Panellerinin Güç Üretim Değerlerinin Yapay Sinir Ağı İle Modellenmesi” adlı tam metin bildirisi sunulmuştur. Link

Proje için TÜBİTAK Desteğinin Önemi

 Projede bilim insanlarının gözbebeği Antarktika bölgesinde Türkiye için kurulacak kalıcı araştırma istasyonunda kullanılmak üzere fotovoltaik sistemler için yenilenebilir enerji potansiyeli araştırılmak istenmiştir. Bu istek doğrultusunda TÜBİTAK tarafından açılan Kutup1001 projesine başvurulmuş ve kabul alınmıştır. Proje kapsamında üretilen test sisteminin Horseshoe Ada’sındaki TARS geçici istasyonuna götürülmesi, sistemin çalıştırılması ve veri alınması kapsamında TÜBİTAK ‘ın desteği oldukça önemlidir. Çünkü bu zorlu iklim şartlarına sahip Antarktika bölgesine ulaşımı, test sistemi kurulumu ve deneysel uygulama gibi eylemlerin, bu destek olmaksızın gerçekleştirilmesi imkânsızdır. Proje kapsamında üretilen fotovoltaik test sisteminin TAE-8 seferi süresince sefer bölgesine ulaşımının sağlanması, kurulum ve gerekli donanımlarla veri toplanması TÜBİTAK MAM KARE tarafından gerçekleştirilmiştir. Bu desteklerinden dolayı proje yürütücüsü ve araştırmacıları tüm TAE-VIII sefer katılımcıları ve TÜBİTAK MAM KARE personeline sonsuz teşekkürlerini sunmaktadır.