Geri Dön

Güneş enerji santrallerinde derin öğrenme ile aylık elektrik üretim tahmini

Monthly Electricity Production Forecast with Deep Learning in Solar Power Plants

  1. Tez No: 751804
  2. Yazar: ÖMER ÇETİN
  3. Danışmanlar: DOÇ. DR. ALİ HAKAN IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Enerji, Computer Engineering and Computer Science and Control, Science and Technology, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Türkiye'deki toplam kurulu güç 97.070 MW olup bunun %64'ü yenilenebilir enerji kaynaklarından sağlanmaktadır. Yenilenebilir enerji kaynaklarının %7,2'sini güneş enerji santralleri oluşturmaktadır. Elektrik üretiminde fosil yakıt kullanımını azaltmak ve yenilenebilir enerji ile ülkemizde artan elektrik ihtiyacı karşılanmak istenmektedir. Bu kapsamda, güneş enerjisi santrallerine olan talep her geçen gün artmaktadır. Ancak yatırımcıları tedirgin eden önemli unsurlardan biri amortisman süresidir. Yapay zekâ ve derin öğrenme uygulamaları kullanılarak bu sürenin tahmin edilmesi üzerine bir çalışma yapılmıştır. Bu tez çalışmasında LSTM (Uzun Kısa Süreli Bellek) yapay sinir ağları kullanılmıştır. Makine öğrenimi ile güneş enerjisi santralinin gelecek aylarda ne kadar elektrik enerjisi üretebileceği tahmin edilmiştir. Hesaplamada hava koşulları, güneş panelleri, inverterler (eviriciler), geçmiş yılların performans oranı gibi parametreler kullanılmıştır. Yapılan analizler sonucunda %1 ile %17 arasında hata oranı ile karşılaşılmıştır. Bu oranın diğer yapay zekâ algoritma tahminlerine karşın çok daha başarılı olduğu görülmüştür.

Özet (Çeviri)

The total installed power in Turkey is 97,070 MW, of which renewable energy sources provide 64%. Solar power plants constitute 7.2% of renewable energy sources. It is desired to reduce the use of fossil fuels in electricity generation and to meet the increasing electricity demand in our country with renewable energy. In this context, the demand for solar power plants is increasing day by day. However, one of the critical factors that worry investors is the amortization period. A study was conducted on estimating this time using artificial intelligence and deep learning applications. In this thesis, LSTM (Long Short Term Memory) artificial neural networks were used. With machine learning, it has been estimated how much electricity the solar power plant can produce in the coming months. The calculation used parameters such as weather conditions, solar panels, inverters, and performance ratio of the past years. As a result of the analyzes made, an error rate between 1% and 17% was encountered. It has been seen that this rate is much more successful than other artificial intelligence algorithm predictions.

Benzer Tezler

  1. Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  2. Derin öğrenme ile güneş enerji santrallerinde üretim tahmini

    Production prediction in solar power plants using deep learning

    AZİME İREM KÖKSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAHİME CEYLAN

  3. Güneş ve rüzgâr enerji santrallerinde üretim değerlerinin iklim parametrelerine bağlı olarak yapay zekâ yöntemleri ile tahmini ve güneş enerjisi fizibilite yazılımının geliştirilerek üretim tahmininin yapılması

    Estimation of production values in solar and wind power plants with artificial intelligence methods based on climate parameters and production estimation by developing solar energy feasibility software

    AYTEN GEÇMEZ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    DOÇ. DR. ÇETİN GENÇER

  4. Güneş enerjisi santrallerinde derin öğrenme kullanılarak elektrik üretimi tahmininin yapılması

    Estimation electricity generation using deep learning on solar power plants

    YUNUS EMRE KIYMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. HİDAYET OĞUZ

  5. Forecasting of renewable power generation in European markets via long short-term memory neural networks

    Avrupa piyasalarında yenilenebilir enerji üretiminin uzun kısa aralıklı bellek ağları ile tahmin edilmesi

    ALPER ÜNAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiBahçeşehir Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CAVİT FATİH KÜÇÜKTEZCAN