A data-driven approach for predicting solar energy potential of buildings in urban fabric
Kent dokusu içindeki binaların güneş enerjisi potansiyelini tahmin etmeye yönelik veriye dayalı bir yaklaşım
- Tez No: 749204
- Danışmanlar: DOÇ. DR. İPEK GÜRSEL DİNO, DR. ÖĞR. ÜYESİ ÇAĞLA AKGÜL
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Binaların çevresel etkilerini azaltmak ve kentlerde iktim değişikliğini önlemek için temiz ve sürdürülebilir enerji kaynakları kullanan verimli binalara ihtiyaç duyulmaktadır. Binalar, güneşe maruz kalma kapasiteleri ile güneş enerjisini hasat etmede büyük potansiyele sahiptir. PV teknolojilerindeki gelişmeler de bu sistemlerin mimari uygulamalara entegrasyonunu teşvik etmektedir. Ancak, kentsel bağlamlar yapı kabuğunu gölgeleyerek ve binaya entegre PV (BIPV) sistemleri için kullanılabilir alanı azaltarak binaların güneş enerjisi üretim kapasitesini sınırlayabilir. Kent formunun binaların güneş enerjisi potansiyeline etkisini anlamak için kentsel ölçekte analizlere ihtiyaç vardır. Fakat, kentsel ölçekte analizler, detaylı modelleme ve ihtisas gerektirir. Bu gereklilikler bina tasarım sürecinde veya sonrasıda sırasında mevcut olamayabilir. Bu tez, makine öğrenmesi (ML) tekniklerini kullanarak cephe ve çatı yüzey alanı başına BIPV enerji üretimini tahmin etmek için veriye dayalı bir yaklaşım sunar. İlk adım olarak, Ankara ilindeki farklı sokak ağı örüntüsüne sahip dört mahalleye simülasyon tabanlı veri üretme yöntemi uygulanmıştır. Üç ML modeli seçilmiş ve simülasyon verileriyle eğitilmiştir. Basit ve karmaşık olmak üzere iki öngörücü grubu oluşturularak, çeşitli bağlamlarda tahminlemeye olanak sağlanmıştır. Genel olarak, cepheler için en iyi tahmin modeli 0,98 R2 ve %10,83 nRMSE değerlerine sahiptir. Çatılar için en iyi R2 ve nRMSE sırasıyla %0,94 ve %3,13 değerlerine ulaşmıştır. Karmaşık öngörücüler daha iyi performans tahmini sağlarken basit öngörücüler üç boyutlu modelden bağımsız olarak BIPV potansiyelinin tahmin edilmesini sağlamaktadır. Farklı mahalleler için tahmin performanslarında gözlemlenen çeşitlilikler, BIPV potansiyelini tahmin etmede kentsel morfolojiyi gözeten yaklaşımlara olan ihtiyacı işaret etmektedir.
Özet (Çeviri)
Energy-efficient buildings that use clean and sustainable energy sources are urgently needed to reduce the environmental impact of buildings and mitigate climate change in cities. Buildings have great potential in harvesting solar energy by their solar exposure capacity. Developments in PV technologies also encourage the integration of PV systems into architectural applications. However, urban contexts can limit solar energy generation capacity of buildings by shading building envelopes and reducing available space for building-integrated PV (BIPV) deployment. Urban scale analyses are needed to understand the impact of urban form on solar energy generation potential. Nevertheless, urban scale analyses require tedious modeling and expertise, which may not be available during building design development or post-occupancy. This thesis presents a data-driven approach for predicting BIPV generation per façade and roof surface area utilizing machine learning (ML) techniques. As a first step, a simulation-based data generation method is applied to four neighborhoods in Ankara, representing different street network patterns. Three ML models are utilized and trained with simulation outputs. Two groups of predictors, simple and complex, are formed to allow predictions in various contexts. Overall, the best prediction model for facades has an R2 value of 0.98 and nRMSE of 10.83%. For roofs, R2 and nRMSE could reach up to 0.94 and 3.13%, respectively. Complex predictors offer better prediction performances, whereas basic predictors enable the prediction of BIPV potential independent of a 3D model. Varieties observed in prediction performances for different neighborhoods also imply the need for urban morphology inclusive approaches in predicting BIPV potential.
Benzer Tezler
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- A statistical analysis of ionospheric joule heating driven by interplanetary coronal mass ejections and high speed streams using SWMF/BATS-R-US MHD model
SWMF/BATS-R-US MHD modeli kullanılarak gezegenlerarası koronal kütle atımları ve yüksek hızlı akışlar tarafından gelişen iyonosferik joule ısınmasının istatistiksel analizi
PELİN ERDEMİR
Yüksek Lisans
İngilizce
2022
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEREFŞAN KAYMAZ
- Development of single-frame methods aided kalman-type filtering algorithms for attitude estimation of nano-satellites
Nano-uydularda yönelim kestirimi için tek-çerçeve yöntemlere dayali kalman-tipi filtreleme algoritmalarinin geliştirilmesi
DEMET ÇİLDEN GÜLER
Doktora
İngilizce
2021
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
PROF. DR. ZEREFŞAN KAYMAZ
- Modeling of the marine diesel engines with comparative machine learning methodologies
Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi
MEHMET İLTER ÖZMEN
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL
- Not just another armed actor: Explaining pro-government militia mobilization and participation in civil conflict
Sadece başka bir silahlı aktör değil: Hükümet yanlısı milislerin iç çatışmalarda mobilizasyonu ve katılımını açıklamak
DEVIN PATRICK BROWN
Yüksek Lisans
İngilizce
2021
Uluslararası İlişkilerKoç ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. BELGİN ŞAN AKCA
DR. ÖĞR. ÜYESİ DAVID CARLSON