Güneş ışınım şiddetinin akıllı hibrit yaklaşımlar ile tahmini
Forecasting of solar radiation with intelligent hybrid approaches
- Tez No: 652805
- Danışmanlar: PROF. DR. MEHMET KURBAN, DR. ÖĞR. ÜYESİ EMRAH DOKUR
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Elektrik enerjisi, Güneş enerjisi sistemleri, Electrical energy, Solar energy systems
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde, hızla tükenmekte olan fosil kökenli enerji kaynaklarını azalması nedeniyle gelecek nesillerin enerji ihtiyacını karşılayabilmek için yeni ve alternatif enerji kaynakları üzerinde yapılan çalışmalar büyük bir öneme sahiptir. Yenilenebilir enerji kaynakları, bu tür enerji kaynakları üzerine yapılan çalışmaların büyük bir bölümünü oluşturmaktadır. Bu kaynaklar arasında oldukça önemli bir yere sahip olan güneş enerjisi, dünya üzerinde her noktada bulunabilen, bol ve tükenmeyen, çevreyi kirletici atıkları bulunmayan vazgeçilmez bir kaynaktır. Güneş enerjisi sistemlerinden elde edilecek olan enerjinin sürekli olmaması ve maliyetlerinin yüksek olması gibi dezavantajları göz önüne alındığında güneş enerji santrallerinin kurulumundan önce fizibilite çalışmalarının yapılması büyük bir öneme sahiptir. Güneş enerjisinin potansiyelini belirlemek için yapılan bu fizibilite çalışmalarında, güneş ışınım şiddetinin miktarı önemli bir parametre olarak karşımıza çıkmaktadır. Güneş ışınım şiddeti tahmininde istatistiksel, fiziksel, makine öğrenmesi ve hibrit yaklaşımlar gibi birçok faklı yöntem literatürde önerilmiştir. Bu çalışmada, kısa dönemli güneş ışınım şiddeti tahmininde güçlü bir araç olan yapay sinir ağları (YSA) hem dalgacık ayrıştırma yöntemi-wavelet decomposition (WD) hem de görgül kip ayrışımı-emprical mode decomposition (EMD) yöntemi ile bir arada kullanılarak hibrit modeller önerilmiştir. Hibrit modelde öncelikle Bilecik iline ait aylık güneş ışınım şiddeti verileri WD ve EMD yöntemi ile alt sinyal bileşenlerine ayrıştırılmıştır. Bir sonraki aşamada ise her bir seviye için geçmiş zaman verileri ile ileri beslemeli ağ-Feed Forward Neural Network (FFNN) ile eğitilerek model sonuçları elde edilmiş. Oluşturulan her bir hibrit ağ yapısının test performans sonuçları, yalnızca YSA kullanılarak elde edilen çıktılarla karşılaştırılmıştır. Aylık bazda yapılan çalışmada elde edilen sonuçların hata performans metrikleri değerine göre FFNN_EMD hibrit yaklaşımın daha yüksek doğrulukta sonuç verdiği gözlemlenmiştir. Özellikle hızla gelişen makine öğrenmesi teknikleri ile de birlikte bu tür hibrit yaklaşımların gelecekte farklı akıllı sezgisel metotlara da uygulanabileceği öngörülmektedir.
Özet (Çeviri)
Nowadays, studies on new and alternative energy resources are of great importance in order to meet the energy needs of future generations due to the decrease in fossil-based energy resources that are rapidly depleting. Renewable energy sources constitute a large part of the studies on such energy sources. Solar energy, which has a very important place among these resources, is an indispensable resource that can be found at any point in the world, abundant and inexhaustible and free from polluting wastes. Considering the disadvantages of the energy to be obtained from solar energy systems such as not continuous and having high costs, feasibility studies are very important before the installation of solar power plants. In these feasibility studies to determine the potential of solar energy, the amount of solar radiation intensity appears as important parameters. Many different methods such as statistical, physical, machine learning and hybrid approaches in the estimation of solar radiation intensity have been proposed in the literature. In this study, hybrid models are proposed by using artificial neural networks (ANN), which is a powerful tool in short-term solar radiation intensity estimation, together with both wavelet decomposition method (WD) and empirical mode decomposition method In the hybrid model, first of all, monthly solar radiation intensity data of Bilecik province were separated in four levels by WD and EMD method. In the next stage, the model results were obtained by training with a feed forward network with historical time data for each level. The test performance results of each hybrid network structure created are compared with the outputs obtained using only ANN. It was observed that the FFNN_EMD hybrid approach gave results with higher accuracy according to the error performance metrics of the results obtained in the monthly basis. Especially with the rapidly developing machine learning techniques, it is predicted that such hybrid approaches can be applied to different intelligent heuristic methods in the future.
Benzer Tezler
- Akıllı-yönlendirilebilir güneş enerjisi toplama sistemi
Smart-routable solar energy collection system
YASİN ZENGİN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMİD TORPİ
- Türkiye'de ısıl sistem tasarımında kullanılan meteorolojik verilerin akıllı sistemlerle tahmini
Estimation of meteorological data with intelligent systems used in the design of thermal systems in Turkey
ERDEM IŞIK
Doktora
Türkçe
2012
Makine MühendisliğiFırat ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA İNALLI
- Güneş ışınımı, doğal dolaşımlı toplaç-ayna düzeninde akış ve ısı analizi
Başlık çevirisi yok
KEMAL TANER
Doktora
Türkçe
1986
Makine MühendisliğiAnadolu ÜniversitesiMakine Ana Bilim Dalı
PROF. DR. BATTAL KUŞHAN
- Güneş enerji sistemlerinde nanoakışkan kullanımının incelenmesi
Investigation of using nanofluid in solar systems
İSA ÇİÇEK
Yüksek Lisans
Türkçe
2021
EnerjiKarabük ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. EMRAH DENİZ
- Determining the cleaning period of PV solar panels using image-processing simulation
Görüntü işleme ve simülasyon kullanılarak fotovoltaik güneş panellerinin temizlik periyodunun belirlenmesi
MALİK CEBRAIL
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEYDA AKSOY TIRMIKÇI