ОҚУ-ЗЕРТТЕУ СТЕНДІН ӘЗІРЛЕУ ЖӘНЕ КҮН ПАНЕЛІНІҢ ШЫҒЫС ҚУАТЫ МЕН ЖАРЫҚ ИНТЕНСИВТІЛІГІ АРАСЫНДАҒЫ БАЙЛАНЫСТЫ ЗЕРТТЕУ
12 7
Аңдатпа
Аңдатпа. XXI ғасырда жаһандық энергетика жүйесі жаңартылатын энергия көздеріне көшуге бет бұрды. Күн энергиясы экологиялық таза әрі сарқылмайтын ресурс ретінде электр энергиясын өндірудің стратегиялық көзіне айналып келеді. Күн панельдерінің тиімділігі мен жұмыс өнімділігі олардың сыртқы факторларға, әсіресе түсетін жарық қарқындылығы мен панельдің орналасу бұрышына тәуелділігімен анықталады. Сондықтан күн панелінің шығыс қуаты мен жарық интенсивтілігі арасындағы байланысты зерттеу – күн энергетикасы жүйелерін оңтайландыру, шығындарды азайту және тиімділікті арттыру үшін өзекті ғылыми бағыт болып табылады. Арнайы оқу-тәжірибелік стенд әзірлеу арқылы күн панелінің шығыс қуаты мен жарық қарқындылығы арасындағы тәуелділікті тәжірибелік тұрғыдан зерттеу, панельдің ток-кернеу (IV) сипаттамасын тұрғызып, толтыру коэффициентін және тиімділік көрсеткіштерін анықтау. Зерттеу жұмысы фотоэлектрлік панель, басқару панелі, прожекторлар, айнымалы жүктемелер, кернеу/ток датчиктері және люксометрден тұратын оқу-зерттеу стенді арқылы жүргізілді. Эксперимент барысында жарық қарқындылығы кезең-кезеңімен өзгертіліп, панельдің Voc, Isc, Vmax және Imax параметрлері өлшенді. Алынған деректер негізінде толтыру коэффициенті (Fill Factor) мен тиімділік коэффициенті есептелді. Эксперимент нәтижелері күн панелінің шығыс қуаты жарық қарқындылығына шамамен тікелей пропорционал екенін көрсетті. Қысқа тұйықталу тогы жарық артқан сайын сызықты өсіп, ашық тізбектегі кернеу аз ғана өзгерді. Әртүрлі жарық деңгейіндегі IV қисықтар мен есептелген толтыру коэффициенттері фотоэлектрлік панельдің жұмыс істеу заңдылықтарына сәйкес келді. Сонымен қатар панельдің орналасу бұрышының қуатқа әсері косинустық заңға сай екендігі байқалды. Алынған нәтижелер күн панельдерінің тиімділігін арттыруға, олардың әртүрлі жағдайда сенімді жұмысын қамтамасыз етуге және жаңа инженерлік шешімдер әзірлеуге негіз бола алады.
Әдебиеттер тізімі
Abdelsattar, M., AbdelMoety, A., & Emad-Eldeen, A. (2025). Advanced machine learning techniques for predicting power generation and fault detection in solar photovoltaic systems. Neural Computing and Applications.
Sarmah, P., Das, D., Saikia, M., Kumar, V., Yadav, S. K., Paramasivam, P., & Dhanasekaran, S. (2023). Comprehensive Analysis of Solar Panel Performance and Correlations with Meteorological Parameters. ACS Omega, 8(50), 47897.
Mundu, M. M., Sempewo, J. I., Nnamchi, S. N., Mahoro, G. B., & Uti, D. E. (2025). Integration of wind flow effects in theoretical and experimental models for solar power generation. Scientific Reports, 15(1).
Al-Shahri, O. A., Ismail, F. B., Al-Muhsen, N. F. O., Al‐Bazi, A., & Hannan, M. A. (2022). An improved model and performance analysis for grid-connected photovoltaic system in Oman. Heliyon, 8(12).
Li, Z., Yang, J., & Dezfuli, P. A. N. (2021). Study on the Influence of Light Intensity on the Performance of Solar Cell. International Journal of Photoenergy, 2021, 1.
Saidur, R., Hasanuzzaman, M., & Rahim, N. A. (2015). Effects of various parameters on PV-module power and efficiency. Energy Conversion and Management, 103, 348.
Zhang, Y., Yang, H., & Wang, P. (2020). Research on output characteristics of photovoltaic module. 521.
Nunes, H., Calado, M. R. A., Mariano, S. J. P. S., & Pombo, J. (2020). An Experimental Analysis of the Electrical Parameter Variation of a Photovoltaic Module. KnE Engineering.
Li, B., Chen, X., & Jain, A. (2024). Enhancing Power Prediction of Photovoltaic Systems: Leveraging Dynamic Physical Model for Irradiance-to-Power Conversion.
Basem, A., Opakhai, S., Elbarbary, Z. M. S., Atamurotov, F., & Benti, N. E. (2025). A comprehensive analysis of advanced solar panel productivity and efficiency through numerical models and emotional neural networks. Scientific Reports, 15(1).
Mcingani, I., Meyer, E. L., & Overen, O. K. (2024). The Impact of Ambient Weather Conditions and Energy Usage Patterns on the Performance of a Domestic Off-Grid Photovoltaic System. Energies, 17(19), 5013.
Meflah, A., Chekired, F., Drir, N., & Canale, L. (2024). Accurate Method for Solar Power Generation Estimation for Different PV (Photovoltaic Panels) Technologies. Resources, 13(12), 166.
Cavalcante, V. M., Neto, R. C., Barbosa, E. J., Bradaschia, F., Cavalcanti, M. C., & Azevedo, G. M. S. (2024). Evaluation of the Effectiveness of Solar Array Simulators in Reproducing the Characteristics of Photovoltaic Modules. Sustainability, 16(16), 6932.
Kumari, N., Singh, S. K., Kumar, S., & Jadoun, V. K. (2024). Performance analysis of partially shaded high-efficiency mono PERC/mono crystalline PV module under indoor and environmental conditions. Scientific Reports, 14(1).
Sugianto, S. (2020). Comparative Analysis of Solar Cell Efficiency between Monocrystalline and Polycrystalline. INTEK Jurnal Penelitian, 7(2), 92.
Abdelsattar, M., AbdelMoety, A., & Emad-Eldeen, A. (2025). Advanced machine learning techniques for predicting power generation and fault detection in solar photovoltaic systems. Neural Computing and Applications.
Mundu, M. M., Sempewo, J. I., Nnamchi, S. N., Mahoro, G. B., & Uti, D. E. (2025). Integration of wind flow effects in theoretical and experimental models for solar power generation. Scientific Reports, 15(1).
Al-Shahri, O. A., Ismail, F. B., Al-Muhsen, N. F. O., Al‐Bazi, A., & Hannan, M. A. (2022). An improved model and performance analysis for grid-connected photovoltaic system in Oman. Heliyon, 8(12).
Basem, A., Opakhai, S., Elbarbary, Z. M. S., Atamurotov, F., & Benti, N. E. (2025). A comprehensive analysis of advanced solar panel productivity and efficiency through numerical models and emotional neural networks. Scientific Reports, 15(1).
Meflah, A., Chekired, F., Drir, N., & Canale, L. (2024). Accurate Method for Solar Power Generation Estimation for Different PV (Photovoltaic Panels) Technologies. Resources, 13(12), 166.
Hasan, M. M., Hossain, S., Mofijur, M., Kabir, Z., Badruddin, I. A., Khan, T. M. Y., & Jassim, E. (2023). Harnessing Solar Power: A Review of Photovoltaic Innovations, Solar Thermal Systems, and the Dawn of Energy Storage Solutions. Energies, 16(18), 6456. https://doi.org/10.3390/en16186456
Manowska, A., Dylong, A., Tkaczyk, B., & Manowski, J. (2023). Analysis and Monitoring of Maximum Solar Potential for Energy Production Optimization Using Photovoltaic Panels. Energies, 17(1), 72.
Jaiswal, S. (2023). Renewable Energy from Solar Panels: A Study of Photovoltaic Physics and Environmental Benefits. ShodhKosh Journal of Visual and Performing Arts, 4(2).
Alqaraghuli, O., & İbrahim, A. A. (2025). Optimizing Photovoltaic System Diagnostics: Integrating Machine Learning and DBFLA for Advanced Fault Detection and Classification. Electronics, 14(8), 1495.
Alsalem, K. (2025). A hybrid time series forecasting approach integrating fuzzy clustering and machine learning for enhanced power consumption prediction. Scientific Reports, 15(1).
Dada, M., & Popoola, A. P. I. (2023). Recent advances in solar photovoltaic materials and systems for energy storage applications: a review. Beni-Suef University Journal of Basic and Applied Sciences, 12(1).
