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
- Tez No: 717755
- Danışmanlar: DOÇ. DR. NECLA TEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Ekonomi, Enerji, Econometrics, Economics, Energy
- Anahtar Kelimeler: Güneş Işınımı, Yapay Sinir Ağları, Makine Öğrenmesi, Tahminleme Teknikleri, Bursa, Ekonometrik modeller, Ekonometrik tahmin, Enerji kaynakları, Güneş, Güneş ışığı, Tahminleme, Çanakkale, Solar Radiation, Artificial Neural Networks, Machine Learning, Prediction Techniques, Bursa, Econometric models, Econometric estimate, Energy resources, Solar, Sunlight, Forecasting, Çanakkale
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güneş enerjisi dünya üzerinde en önemli ve en çok bulunan yenilenebilir enerji kaynağıdır. Doğada enerji kaynaklarının az oluşu, çevreye verdiği zarar ve tükenecek olması nedeniyle yenilenebilir enerji kaynaklarıyla ilgili çalışmaların artmasına neden olmuştur. Yapılan bu çalışmada da yenilenebilir enerji kaynaklarından olan güneş enerjisi üzerine yapılmıştır. Çalışmada Bursa ve Çanakkale illerine ait 2015-2019 yılları arasındaki günlük/saatlik güneş ışınım verileri kullanılarak Yapay Sinir Ağları ile tahminleme. Makine Öğrenmesi Algoritması ile sınıflama analizi yapılmıştır. Analiz sonuçları karşılaştırıldığında Bursa ilinin sonuçlarında Bayesian yöntemi en iyi sonucu vermişken. Çanakkale ili için en iyi sonucu Levenberg-Marquardt yöntemi vermiştir. Makine öğrenmesi algoritmasında ise sınıflama analizi yapılmış olup dört temel algoritma kullanılmıştır. Kullanılan algoritmalarda en iyi sonuca ise Decision Tree (Karar Ağaçları) yöntemiyle Bursa ilinin verileri ile ulaşılmıştır. Bu doğrultuda öneriler ve yorumlar yapılmıştır.
Özet (Çeviri)
Solar energy is the most important and most abundant renewable energy source in the world. The scarcity of natural energy resources. Due to the damage it causes to the environment and the fact that it will be exhausted. it has led to an increase in studies on renewable energy sources. In this study, solar energy, which is one of the renewable energy sources. was also carried out. When the analysis results are compared. the Bayesian method gave the best results in the results of Bursa province. while the Levenberg-Marquardt method gave the best result for Çanakkale. In the machine learning algorithm. classification analysis was made and four basic algorithms were used. The best result in the algorithms used was obtained with the data of Bursa province with the Decision Tree method. In this direction. suggestions and comments were made.
Benzer Tezler
- Ultra-kısa dönem fotovoltaik güç tahmininde istatistiksel ve makine öğrenmesi tabanlı yöntemlerin karşılaştırılması
Comparison of statistical and machine learning-basedmethods for ultra-short-term photovoltaicpower forecasting
ÖMER FARUK KIRIK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HÜSEYİN ÇEVİK
- Küresel güneş radyasyonun makine öğrenmesi yöntemleri ile tahmini: Örnek bir uygulama
Prediction of global solar radiation by machine learning methods: A case study
MEHMET DURSUN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGaziantep İslam Bilim ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN AÇIKGÖZ
- Güneş paneli enerji üretim tahmininin makine öğrenmesi yöntemleri ile karşılaştırılması
Comparison of solar panel energy production forecast with machine learning methods
HAVVA AYYILDIZ KOÇ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya ÜniversitesiYenilenebilir Enerji ve Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
- 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
- YEKDEM unit price prediction with artificial neural networks
Yapay sinir ağları ile YEKDEM birim fiyat tahminlemesi
AKIN ERTAYLAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM AKTAŞ