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: 103
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
- Yapay sinir ağları ve makine öğrenmesi ile güneş ışınımının analizi: Bursa ve Çanakkale örneği
Analysis of solar radiation with artificial neural networks and machine learning: Example of Bursa and Çanakkale
EBRU KORKMAZ
Yüksek Lisans
Türkçe
2022
EkonometriBandırma Onyedi Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. NECLA TEKTAŞ
- Türkiye genelinde Bahel modeli ve yapay sinir ağları ile güneş radyasyonu tahmini
Solar radiation estimation for Turkey using Bahel model and artificial neural networks
ELVAN BURCU KOŞMA
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Güneş potansiyelinin tahmininde yapay sinir ağlarının kullanılması
Determining of solar energy potential by using artificial neural networks
EMİN GALİP KANIT
Yüksek Lisans
Türkçe
2003
Makine MühendisliğiGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ADNAN SÖZEN
- 550 kwp kurulu güce sahip güneş santralinin makine öğrenmesi ile kısa vadeli elektrik üretim tahmini
Prediction of short-term electricity production amount of solar power plant with 550 kwp installed capacity using machine learning
ALİCAN GÜZEL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBurdur Mehmet Akif Ersoy ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇİFCİ