Yapay sinir ağları ile güneş enerjisi potansiyelininmodellenmesi ve güneş pilleri verim analizi
Modeling of solar energy potential with artificial neural networks and solar cell efficiency analysis
- Tez No: 604492
- Danışmanlar: PROF. ZAFER ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Sinir Ağları, Modelleme, Güneş Enerjisi, Güneş Pilleri, Artificial Neural Networks, Modelling, Solar Energy, Solar Cells
- Yıl: 2019
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güneş radyasyonu tahmini güneş enerji sistemlerinin tasarımı ve işletimi için önemlidir. Bu yüksek lisans tezi, güneş enerjisi potansiyelinin tahmin edilmesi ve güneş pillerinin verim analizinin incelenmesi ile ilgilidir. Tezde çalışma alanı olarak Ankara Meteoroloji İşleri Genel Müdürlüğü (MGM) Bölge İstasyonu seçilmiş ve güneş enerji potansiyelini tahmin etmek için Meteoroloji Genel Müdürlüğü'nden den elde edilen 2013-2018 yıllarına ait günlük güneş radyasyon verilerini kullanarak yıllık ve mevsimsel tahminler yapılmıştır. İstatistiksel analiz bölümünde güneş radyasyonu, minimum, maksimum medyan vb. açıklayıcı istatistiksel büyüklükleri, aylık, mevsimsel ve yıllık değişimleri incelenmiştir. Veri ön işlem aşamasında, eksik veriler tamamlanmış ve Min–Max yöntemi kullanılarak veriler 0 ile 1 arasında normalize edilmiştir. Güneş enerji potansiyelini tahmin etmek için Yapay Sinir Ağları (YSA) modeli kullanılmıştır. YSA modelini LM (Levenberg-Marquardt), BR (Bayesian Regularization), ÖEE (Ölçekli Eşlenik Eğim) olmak üzere üç algoritma göz önüne alınarak veriler eğitilmiş ve bu algoritmalardan elde edilen sonuçlar karşılaştırılmıştır. YSA modelini kullanarak gerçekleştirilen tahmin aşamasında günlük güneş radyasyon verileri iki gruba ayrılmıştır: a) Girdi verileri 2013 – 2017 yılları, b) Çıktı verileri 2018 yılı. YSA modeli kullanarak MATLAB/Simulink uygulamasında 2013-2017 yılı verileri eğitim aşamasında, 2018 yılı verileri tahmin test aşamasında kullanılmıştır. Sonuç olarak, YSA modeli kullanarak karşılaştırılan üç algoritmalardan en iyi sonucu (MSE = 1.11) LM (Levenberg- Marquartd) algoritması vermiştir. Mevsimsel tahmin sonucu ilkbahar, güneş enerji potansiyeli tahmini için MSE (1.02) ile en düşük hata değerini vermektedir. Tezin uygulama bölümü, güneş panellerinin verim analizi ile ilgili iki pilot çalışmayı içermektedir.
Özet (Çeviri)
Solar radiation estimation is important for the design and operation of solar energy systems. This master thesis is about estimating the potential of solar energy and research the efficiency of solar cells. Ankara General Directorate of Meteorology Service Meteorological (MGM) Regional Station was chosen as the study area of the thesis and in order to estimate annual and seasonal forecasts the global solar energy potential and daily average sunshine intensity data for 2013-2018 obtained from MGM. Statistical analyses were presented and descriptive statistics, monthly, seasonal and annual variations of solar radiation have been evaluated. In the data preprocessing stage, the missing data was completed and the data was normalized between 0 and 1 using the Min – Max method. ANN model was used to estimate global sunshine intensity. The ANN model was trained using three algorithms: LM (Levenberg-Marquardt), BR (Bayesian Regularization), SCG (Scaled Conjugate Gradient) and these algorithms were compared. To estimate daily global sunshine intensity, data divided into two groups: a) Input data 2013- 2017 years b) Estimated data for 2018 year. In the MATLAB/Simulink application using ANN model and 2013-2017 data were trained and 2018 data were used in estimation test stage. As a result, LM (Levenberg-Marquartd) algorithm presents the best result (MSE = 1.1108) among the three algorithms compared using ANN model. In spring MSE of seasonal estimation is 1.0228. The last part of the thesis covers two case studies of efficiency analyses of solar panels.
Benzer Tezler
- Yapay sinir ağları ile rüzgar ve güneş enerjisi potansiyelinin modellenmesi ve dalgacık dönüşümü ile analizi
Modeling of wind and solar energy potential with artificial neural network and analysis with wavelet transformation
DURHAN GABRALI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- Bilecik ili için güneş enerjisi analizi ve yapay sinir ağları ile hava sıcaklığı tahmini
Solar energy analysis and temperature forecast with artificial neural networks for Bilecik province
RESUL GÜÇ
Yüksek Lisans
Türkçe
2016
EnerjiBilecik Şeyh Edebali ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SALİM CEYHAN
- Kadıköy - Göztepe ilçeleri için yapay sinir ağları ile rüzgâr şiddeti ve güneş radyasyonu tahmini
Estimation and performance analysis of wind and solar energy potential
BURAK KAYA
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- 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
- Tam otomasyon bir seranın yapay sinir ağları ile hibrit olarak enerji ihtiyacının belirlenmesi
Determination of hybrid energy needs of a fully automated greenhouse with artificial neural networks
ALİ BÜYÜKMERT
Doktora
Türkçe
2025
ZiraatAydın Adnan Menderes ÜniversitesiTarım Makineleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YÜKSEL AYDOĞAN