Hot Spot Fault Detection Pada Modul Photovoltaic Sebagai Evaluasi Masa Pakai Menggunakan IR Thermal Image Processing

Rizkia, Erina (2024) Hot Spot Fault Detection Pada Modul Photovoltaic Sebagai Evaluasi Masa Pakai Menggunakan IR Thermal Image Processing. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5009201154-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

Photovoltaic (PV) merupakan salah satu sumber energi alternatif yang banyak dikembangkan dimana mampu mengubah energi cahaya dari matahari menjadi energi listrik secara langsung. Namun, cell PV rentan terhadap berbagai kerusakan dan degradasi seiring berjalannya waktu dan dapat mengurangi masa pakai sistem PV. Sel PV yang terhalangi bayangan menghasilkan arus yang lebih rendah dibandingkan dengan yang tidak terhalangi, memaksa sel-sel yang terpengaruh untuk membuang energi, menghasilkan panas berlebih atau hot spot di dalam sel PV dan berpotensi merusaknya. Analisis menggunakan inframerah (IR) thermal imaging dapat dilakukan untuk mendeteksi kerusakan hot spot. Penelitian ini bertujuan untuk meningkatkan masa pakai modul PV dengan metode IR thermal image processing, yang menggunakan kamera inframerah dan algoritma pemrosesan citra untuk mengidentifikasi kerusakan hot spot serta analisis pengaruh kerusakan hot spot pada modul photovoltaic terhadap masa pakai modul photovoltaic. Algoritma yang digunakan yaitu Convolutional Neural Network (CNN) dan k-Nearest Neighbor (k-NN). Didapatkan bahwa kedua algoritma tersebut dapat melakukan prediksi klasifikasi gambar hot spot dan non-hot spot. Pada pemodelan CNN memiliki tingkat akurasi 91.87% dengan MAPE 4.9% dan pada pemodelan k-NN memiliki tingkat akurasi 87% dengan MAPE 10%. Dalam studi ini, area yang mengalami suhu tinggi diidentifikasi, dan luasan hot spot dihitung untuk menentukan dampaknya terhadap degradasi modul. Hasil penelitian menunjukkan bahwa meskipun hot spot yang terdeteksi hanya mencakup 1% dari luas permukaan modul, pemantauan dan mitigasi yang tepat sangat penting untuk mencegah penurunan efisiensi dan masa pakai yang signifikan.
========================================================================================================================================
Photovoltaic (PV) systems are widely developed as an alternative energy source capable of directly converting sunlight into electricity. However, PV cells are susceptible to various damages and degradation over time, which can reduce the lifespan of PV systems. Shaded PV cells generate less current than unshaded ones, forcing the affected cells to dissipate energy as heat, resulting in hotspots within the PV cells that can potentially damage them. Infrared (IR) thermal imaging analysis can be employed to detect these hotspot damages. This study aims to extend the lifespan of PV modules using IR thermal image processing, which involves using infrared cameras and image processing algorithms to identify hotspot damages and analyze their impact on the lifespan of PV modules. The algorithms used in this study are Convolutional Neural Network (CNN) and k-Nearest Neighbor (k-NN). Both algorithms were found to effectively classify images into hotspot and non-hotspot categories. The CNN model achieved an accuracy of 91.87% with a Mean Absolute Percentage Error (MAPE) of 4.9%, while the k-NN model achieved an accuracy of 87% with a MAPE of 10%. In this study, areas with high temperatures were identified, and the hotspot areas were calculated to determine their impact on module degradation. The results indicate that even though the detected hotspots only covered 1% of the module's surface area, proper monitoring and mitigation are crucial to prevent significant reductions in efficiency and lifespan.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network (CNN), Hot Spot, k-Nearest neighbor (k-NN), Lifetime, Photovoltaic, Convolutional Neural Network (CNN), Hot Spot, k-Nearest neighbor (k-NN), Lifetime, Photovoltaic
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques T Technology > TA Engineering (General). Civil engineering (General) > TA169.5 Failure analysis T Technology > TJ Mechanical engineering and machinery > TJ810.5 Solar energy T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Erina Rizkia
Date Deposited:	26 Jul 2024 01:30
Last Modified:	26 Jul 2024 01:30
URI:	http://repository.its.ac.id/id/eprint/108929

Actions (login required)

View Item