Geri Dön

Analysis of meteorological data by artificial intelligence techniques and estimation of global solar radiation

Yapay zekâ teknikleri ile meteorolojik verilerin analizi ve global güneş işinim tahmini

  1. Tez No: 623361
  2. Yazar: ÖZGE KAYA
  3. Danışmanlar: YRD. DOÇ. DR. FATİH KILIÇ, DOÇ. DR. İBRAHİM HALİL YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Adana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 63

Özet

Dünyanın ana yaşam kaynağı olmasının yanı sıra Güneş gezegeni, bitmek tükenmek bilmeyen yenilenebilir enerji kaynağına sahiptir. Türkiye dünyanın güneş kuşağının içerisinde olan 36−42° kuzey enlemleri ve 26−45° doğu boylamlarında bulunmaktadır. Güneş enerjisi veya elektrik enerjisi sistemlerinin hesaplanmasında kullanılan küresel ışınım ölçümü ülkemizdeki enerji tesis yeri için çok önemli bir veridir. Küresel ışınım değeri, güneşten gelen ışınımın direkt (beam) ve gökyüzünde dağılan (diffuse) ışınların toplamına eşittir. Bu değerin ölçümü, diğer meteorolojik verilerin (hava sıcaklığı, nem gibi) ölçümü ve tahmini kadar kolay değildir ve uzun yıllar ölçümlerinin yapılması gerekmektedir. Literatürde, meteoroloji ışınım verileri kullanılarak çeşitli ilişkiler türetilmiş ve bu metotlar ile farklı coğrafik lokasyonlar için ölçüm verisi tahmini yapılmıştır. Fakat, bu ilişkilerle yapılan tahminlerde yüksek sapmalar içerdiği görülebilmektedir. Bu tez çalışmasında, Türkiye'deki çeşitli bölgelerin meteorolojik verileri Meteonorm yazılımından alınmış ve Genetik Algoritma ile optimize edilerek önerilen Yapay Sinir Ağları (YSA) ve Destek Vektör Makinesi (DVM) ile küresel güneş ışınımı tahminleri yapılmıştır. Meteonorm yazılımdan alınan veriler test ve eğitim verisi olarak ayrılarak önerilen ANN ve DVM modellerin performansı değerlendirilmiştir. Önerilen ANN modeli ile DVM ve literatürde mevcut modellerden daha iyi sonuçlar elde edilmiştir. Test verisi için Genetik algoritma ile girişleri optimize edilen ANN modeli ile elde edilen Ortalama Mutlak Yüzde Hata değeri %3.44 olmuştur.

Özet (Çeviri)

In addition to being the main source of life in the earth, the Sun planet has an endless source of renewable energy. Turkey is situated at the sunny belt of the earth i.e. 36−42° North latitudes and 26−45° East longitudes. The global irradiation measurement used in the calculation of solar thermal or electrical energy systems is very significant for the facility location in our country. The global radiation value is equal to the sum of the beam and the diffuse rays of the radiation from the sun. Its measurement is not as easy as the measurement and the estimation of other meteorological data (such as air temperature, humidity) and long-terms are required. In the literature, various corelations have been derived by use of meteorological radiation data and the predictions for distinct geographic locations were conducted. However, it is seen that the predictions made with these corelations involve high deviations. In this thesis, meteorological data of various regions in Turkey were taken from Meteonorm software and global solar radiation forecasts were made with the proposed Artificial Neural Networks (ANN) and Support Vector Machine (SVM) by optimized the Genetic Algorithm. Generated data from the software were divided into training and testing data sets, and the proposed ANN and SVM models were tested with the data. Better results were obtained from the proposed ANN model as compared with the SVM and the existing models in the literature. Mean average percentage error was obtained to be 3.44% for testing data by the proposed ANN model which utilizes the most relevant input variables determined by the genetic algorithm.

Benzer Tezler

  1. Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi

    Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data

    EREN POLATCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. HAYRİ HAKAN DENLİ

  2. Land based emission inventory and consistency analysis for WRF-Chem: Dilovası example

    WRF-Chem için arazi bazlı emisyon envanteri ve tutarlılık analizi: Dilovası örneği

    UMUR DİNÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN TOROS

  3. Ekstrem rüzgarların yapay sinir ağları ve çoklu lineer regresyon kullanılarak kısa süreli tahmini

    Short term prediction of extreme winds using artificial neural network and multiple lineer regression

    MELEK AKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. AHMET ÖZTOPAL

  4. Türkiye'nin enerji talebinin yapay zeka teknikleriyle uzun dönem tahmini

    Long term estimation of energy demand of Turkey's by artificial intelligent techniques

    SEMİHA DURĞUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    EnerjiNecmettin Erbakan Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ OSMAN ÖZKAN

  5. Endüstriyel yapılarda ön tasarım aşamasında makine öğrenmesi metodları ile kaba inşaat maliyetlerinin tahmini ve performans analizi

    Estimation and performance analysis of rough construction costs with machine learning methods at the pre-design stage of industrial buildings

    MUHAMMET EMİR KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. FATMA PINAR ÇAKMAK