Dijital ikiz benzetimi yöntemi ile dağıtık enerji sistemi modellemesi ve analizi
Distributed energy system modeling and analysis with digital twin simulation method
- Tez No: 1016582
- Danışmanlar: PROF. DR. MUHAMMET TAHİR GÜNEŞER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Karabük Üniversitesi kampüsündeki dört ayrı çatı tipi fotovoltaik (FV) sisteme ait Haziran 2021-Ocak 2025 dönemini kapsayan yaklaşık 32.000 saatlik üretim verisi; meteorolojik ölçümler ve hava kalitesi gözlemleriyle birleştirilerek çok değişkenli bir Uzun Kısa Süreli Bellek (LSTM) tabanlı tahmin modeli geliştirilmiş ve bu model beş modüllü bir dijital ikiz (DT) çerçevesine entegre edilmiştir. Model girdileri; sıcaklık, yağış, güneşlenme süresi ve bulutluluk olmak üzere dört meteorolojik değişken ile PM10 ve PM2.5 partikül madde, karbonmonoksit (CO), azot dioksit (NO₂) ve kükürt dioksit (SO₂) göstergelerini kapsayan altı hava kalitesi değişkeninden oluşmaktadır. Aynı kirleticinin farklı istasyonlardan elde edilen ölçümleri ayrı değişkenler olarak modele dâhil edilmiş; böylece 10 dışsal değişken ve bir gecikmeli üretim değeriyle birlikte 11 boyutlu bir girdi vektörü oluşturulmuştur. Aylık, mevsimsel ve dört yıllık olmak üzere üç farklı tahmin senaryosunda değerlendirilen model, uzun dönem senaryosunda Belirleme Katsayısı (R²) = 0,8588–0,9380 ve Ortalama Mutlak Yüzde Hata (MAPE) = %25,88–39,03 aralığında yüksek doğruluk sergilemiştir. Doğrulanmış LSTM motoru temelinde kurulan beş modüllü dijital ikiz mimarisi, gerçek verilerden oluşan 200 saatlik simülasyon penceresinde varsayılan θ = %50 sapma eşiğiyle 34 hata olayı tespit etmiştir. Beş farklı eşik değeri (θ = %25–75) üzerinde gerçekleştirilen duyarlılık analizi, eşik seçiminin operasyonel bağlama göre yapılandırılabilir bir yönetsel karar olduğunu ortaya koymuştur. Gece saatlerini ve düşük üretim periyotlarını filtreleyen iki aşamalı bağlam duyarlı kapılama mekanizması, yanlış alarm oranını baskılayarak hata tespitinin güvenilirliğini artırmıştır. Geliştirilen dijital ikiz mimarisi; enerji yönetim sistemleri (EMS), akıllı şebeke uygulamaları ve kampüs ölçekli yenilenebilir enerji izleme platformları için doğrudan uygulanabilir bir yapı sunmaktadır. Model, benzer iklim koşullarına sahip FV sistemlerinde üretim tahmini, bakım planlama ve arıza öngörüsü gibi operasyonel karar destek süreçlerinde kullanılabilir.
Özet (Çeviri)
In this study, approximately 32,000 hours of real hourly generation data obtained from four different rooftop photovoltaic (PV) systems on the Karabük University campus, covering the period from June 2021 to January 2025, were combined with meteorological measurements and air quality observations to develop a multivariate Long Short-Term Memory (LSTM)-based forecasting model. This model was then integrated into a five-module digital twin (DT) framework. The model inputs consist of four meteorological variables (temperature, precipitation, sunshine duration, and cloud cover) and six air quality variables covering particulate matter indicators (PM10 and PM2.5), carbon monoxide (CO), nitrogen dioxide (NO₂), and sulfur dioxide (SO₂). By including measurements of the same pollutant from different stations as separate variables, an 11-dimensional input vector was created containing 10 exogenous variables and one lagged generation value. The model was evaluated under three different forecasting scenarios—monthly, seasonal, and four-year—and showed high accuracy in the long-term scenario, with R² = 0.8588–0.9380 and MAPE = 25.88–39.03%. The five-module digital twin architecture, built on a validated LSTM engine, detected 34 anomaly events in a 200-hour simulation window of real data with a default θ = 50% deviation threshold. Sensitivity analysis across five different threshold values (θ = 25–75%) revealed that threshold selection is a configurable management decision based on operational context. A two-stage context-aware filtering mechanism that filters out nighttime hours and low-production periods increased the reliability of anomaly detection by reducing the false alarm rate. The developed digital twin architecture offers a directly applicable structure for energy management systems (EMS), smart grid applications, and campus-scale renewable energy monitoring platforms. This model can be used in operational decision support processes such as production forecasting, maintenance planning, and failure prediction in photovoltaic systems with similar climatic conditions.
Benzer Tezler
- Değişken komşuluk arama yöntemi ile otomatik stoklama ve erişim sisteminde isteklerin sıralanması ve dijital ikiz alt yapısının oluşturulması
Ordering requests in automated storage and retrieval system by variable neighborhood search method and creating the digital twin infrastructure
HATİCE MERVE ARINMIŞ
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜRKAN ÖZTÜRK
- Finans sektöründe iş süreçlerinin dijital dönüşümü ve iyileştirmesi çalışmalarında benzetim tekniklerinin kullanılması
Using simulation techniques in digital transformation and improvement studies of business processes in finance sector
ESRA ÖNDİKMEN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERVET HASGÜL
- Esnek imalat hücrelerinin dijital ikiz modellemesi
Digital twin modeling of flexible manufacturing cells
NECİP AKAR
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAFİYE SENCER
- Veri güdümlü dijital ikiz modeli ile freze takım tezgahı takım aşınma tahminlemesi ve kesme parametreleri optimizasyonu
Prediction of tool wear and cutting parameter optimization of milling machine tool with data-driven digital twin model
GİZEM BURUN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Sensör arızalarına karşı afet dirençli derin öğrenme tabanlı sürdürülebilir adaptif trafik sinyalizasyonunun geliştirilmesi
Development of disaster-resilient deep learning-based sustainable adaptive traffic signalization against sensor failures
SEYİTALİ İLYAS
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK
DOÇ. DR. SEVİL KÖFTECİ