Güneş enerjisi santralleri için bir kısa süreli üretim tahmin sistemi geliştirilmesi
Developing a short term generation forecast system for solar power plants
- Tez No: 570515
- Danışmanlar: PROF. DR. MUSTAFA ŞEKKELİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Güneş enerjisi santrali, Üretim tahmini, Yapay sinir ağı, Solar power plant, Generation forecast, Artificial neural network
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Son yıllarda Yenilenebilir Enerji Tesisleri (YET) kurulu gücünde hızlı bir artış olmuştur. Bu hızla artan YET kurulu gücünde Güneş Enerjisi Santralleri (GES) önemli bir paya sahiptir. Diğer YET'lerde olduğu gibi GES'lerde de üretim değişken bir karakteristiğe sahiptir. Değişken üretim karakteristiği GES tesislerinin elektrik şebeke sisteminde işletilmesini zorlaştırmaktadır. Bu problemin giderilmesi için GES üretim tahminlerine ihtiyaç duyulmaktadır. Yapılan bu tez çalışmasında GES üretimleri için bir tahmin sistemi önerilmiştir. Önerilen tahmin sisteminde yapay sinir ağları kullanılmıştır. Oluşturulan yapay sinir ağı Levenberg-Marquardt öğrenme algoritması kullanılarak eğitilmiştir. Yapay sinir ağının eğitim, doğrulama ve test süreçlerinde Kahramanmaraş ilinde yer alan santrallerin üretim değerleri ve Küresel Tahmin Sisteminden alınan bulutluluk verileri kullanılmıştır. Yapay sinir ağı yapısı ve giriş değerleri değiştirilerek analizler yapılmıştır. Yapılan analizler sonucunda giriş olarak üretim değerleri ile birlikte bulutluluk tahmini kullanılan yapay sinir ağının sadece üretim değerleri kullanılan yapay sinir ağına kıyasla daha başarılı olduğu tespit edilmiştir.
Özet (Çeviri)
In recent years, there has been a rapid increase in the installed capacity of Renewable Energy Facilities (REF). Solar Power Plants (SPP) have an important share in this rapidly increasing REF installed capacity. As in other REF's, generations has a variable characteristic in SPP's. The variable generation characteristics make it difficult to operate the SPP facilities in the electricity grid system. To solve this problem, SPP generation forecasts are needed. In this thesis, a forecast system is proposed for SPP generations. Artificial neural networks are used in the proposed forecast system. The created artificial neural network was trained using the Levenberg-Marquardt learning algorithm. In the training, verification and testing processes of the artificial neural network, the generation values of the plants located in Kahramanmaras province and the cloudiness data obtained from the Global Forecasting System were used. Analyzes were performed by changing the artificial neural network structure and input values. As a result of the analyzes, it was found that the artificial neural network using cloudiness forecast with the generation values as input is more successful than the artificial neural network that uses only generation values.
Benzer Tezler
- Adaptive signal processing based intelligent method for fault detection and classification in microgrids
Mikroşebekelerde arıza tespiti ve sınıflandırması için adaptif sinyal işleme tabanlı akıllı yöntem
RESUL AZİZİ
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Comparison of experimental and semi-experimental models for predicting solar thermal power plants with artificial neural network
Solar termal santralların yapay sinir ağlarıyla öngörüsünde deneysel ve yarı-deneysel modellerin karşılaştırılması
SHABNAM CHOOPANI
Yüksek Lisans
İngilizce
2023
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Gaziantep bölgesinde çatı tipi güneş enerji santrali performans analizi ve verimlilik artırıcı yöntemler
Performance analysis and efficiency increasing methods of rooftop type solar power plant in Gaziantep region
VEYSEL TURAN
Yüksek Lisans
Türkçe
2024
Enerjiİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. CUMA KARAKUŞ
DOÇ. DR. İLKER MERT
- Short-term solar power forecasting with artificial neural network models
Yapay sinir ağları modelleri ile kısa süreli güneş enerjisi tahmini
SEÇKİN GÖKÇE
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR