Geri Dön

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

  1. Tez No: 575318
  2. Yazar: YASİN İÇEL
  3. Danışmanlar: PROF. DR. MEHMET SALİH MAMİŞ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: İnönü Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  2. 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

    Türkçe

    2023

    EnerjiSivas Cumhuriyet Üniversitesi

    Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ

  3. Predicting the bandgap of hole-transport materials by deep learning

    Derin öğrenme ile delik geçiş malzemelerinin bant aralığı tahmini

    MİRAÇ AYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Kimyaİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ADEM TEKİN

  4. Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi

    Examination of the effects of distributed generation on smart grids

    MİKAİL PÜRLÜ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. BELGİN TÜRKAY

  5. 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

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ