Güneş enerji sistemlerinin performans tahmini için yapay sinir ağları ile modellenmesi ve verimliliğin incelenmesi
Modeling solar systems using artificial neural networks for performance prediction and investigation efficiency
- Tez No: 575318
- Danışmanlar: PROF. DR. MEHMET SALİH MAMİŞ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 182
Özet
Fotovoltaik panel uygulamalarındaki en büyük problemlerden biri ilk kurulum aşamasında sahip oldukları yüksek maliyetlerdir. Fotovoltaik santraller ile ilgili projelendirme ve yatırımlar için enerji santralinin tesis edileceği bölgenin güneş enerjisi potansiyelinin önceden bilinmesi son derece önem arz etmektedir. Fotovoltaik panellerin ürettiği elektrik enerjisi miktarı, başta güneş ışınımı olmak üzere, hava sıcaklığı, nem oranı, rüzgâr hızı ve fotovoltaik panel sıcaklığına bağlıdır. Fotovoltaik uygulamalarına ilişkin projelendirme ve planlama çalışmalarında kullanılacak panellerin çıkış yüklerini önceden bilmek daha doğru bir maliyet yapılandırması sağlayacağından hatalı yatırımlar önlenmiş olacak ve ülke bütçesine katma değer sağlanacaktır. Bunun için panellerin işletileceği bölgeye ait standart olmayan test koşullarını içeren meteorolojik parametrelerin panel gücü üzerindeki etkilerinin önceden saptanması önem teşkil etmektedir. Bu tez çalışmasında çevresel faktörler açısından birbirinden farklı üç bölgede (Adıyaman-Malatya-Şanlıurfa) kurulan ölçüm istasyonları ile çevresel faktörler (güneş ışınımı, sıcaklık, rüzgâr, nem, PV panel sıcaklığı) ve fotovoltaik panellerden elde edilen güç değerleri 1 yıl süre ile ölçülerek kaydedilmiştir. Oluşturulan büyük veri seti üzerinde Yapay Sinir Ağları (YSA) algoritmaları kullanılarak üretilecek güç tahmini için modelleme yapılmıştır. Eğitilen YSA modellerinde %99.93 oranında doğruluk ile tahmin gerçekleştirilmiştir. Meteoroloji Genel Müdürlüğü verileri referans alınarak Adıyaman ili verileri eğitim için kullanılarak YSA modelleri eğitilmiş ve Malatya ile Şanlıurfa verileri test verileri olarak kullanılarak yüksek oranda doğrulukla tahminleme gerçekleştirilmiştir. Eğitilen YSA algoritmaları modelinde, Adıyaman Meteoroloji Müdürlüğü verileri kullanılarak yüksek oranda doğruluk ile güç tahmini gerçekleştirilmiştir. Eğitilen YSA modeli ile Destek Vektör Regresyon modeli sonuçları ile karşılaştırma yapılmış ve YSA ile daha yüksek doğruluk ile tahmin gerçekleştiği görülmüştür. Ayrıca meteorolojik verilerin her birinin etkisi ile veri toplama sıklığının YSA sonuçları üzerindeki etkisi incelenmiştir. Çalışma sonucunda eğitilen yapay sinir ağları modelleri ile dünyanın herhangi bir yerindeki farklı bölgelere ait sıcaklık, nem, rüzgâr, güneş ışınımı gibi meteorolojik parametreleri kullanılarak tesis edilmek istenen fotovoltaik enerji sistemleri için güç tahmini yüksek oranda bir doğrulukla tahmin edilebilecektir. ANAHTAR KELİMELER: Çevresel faktörler, fotovoltaik, verim, yenilenebilir enerji, Yapay Sinir Ağları
Özet (Çeviri)
One of the biggest problems in photovoltaic panel applications is that they have high costs in the initial installation stage. It is extremely important to know for the project and investments regarding photovoltaic power plants and the solar energy potential of the region where the power plant will be installed. The amount of electric energy produced by photovoltaic panels depends on air temperature, humidity rate, wind velocity and photovoltaic module temperature, and particularly solar radiation. Since knowing the output powers of the panels to be used in project and planning works for photovoltaic applications will provide a more accurate cost configuration, wrong investments will be avoided and the country budget will benefit from added value. Thus, it is very important to determine the effects of meteorological parameters involving non-standard test conditions of the region where panels will be operated on the panel power. In this thesis, by building measuring stations in three regions (Adıyaman-Malatya-Şanlıurfa) where environmental factors are different and the environmental factors (solar radiation, temperature, wind, humidity, PV module temperature) and output power of photovoltaic panels were measured and recorded for a year. By using Artificial Neural Network (ANN) algorithms on the large data set a model was obtained for estimating the power to be generated. In the trained ANN models, the estimation accuracy was 99.93%. By taking the data of the General Directorate of Meteorology as reference, models of ANN were trained by using Adıyaman province; and by using Malatya and Şanlıurfa data as test data, highly estimation accuracy was achieved. In the trained ANN models, the estimation accuracy was highly by using data of the Adıyaman Directorate of Meteorology. The artificial neural networks model was compared with the results of the Support Vector Regression model and it was found that the estimation was realized with higher accuracy with ANN. In addition, the effect of each meteorological data and the frequency of data collection on the ANN results were examined. With the artificial neural network models trained as a result of this study, the energy efficiency for the photovoltaic energy systems desired to be established by using meteorological parameters such as temperature, humidity, wind and solar radiation of various regions anywhere in the world can be estimated accurately. KEYWORDS: Artificial Neural Networks, efficiency, environmental factors, photovoltaic, renewable energy.
Benzer Tezler
- 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
- Yapay sinir ağlarıyla Türkiye'deki yenilenebilir enerji potansiyeline bağlı olarak uzun süreli elektrik üretim tahmini
Estimatation on long-term electricity generation depending on renewable energy potential in Turkey with artificial neural networks
MERVE GÜLER
Yüksek Lisans
Türkçe
2023
EnerjiSivas Cumhuriyet ÜniversitesiEnerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ
- Predicting the bandgap of hole-transport materials by deep learning
Derin öğrenme ile delik geçiş malzemelerinin bant aralığı tahmini
MİRAÇ AYDIN
Yüksek Lisans
İngilizce
2023
Kimyaİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. ADEM TEKİN
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ