Güneş enerjisi santrali elektrik üretimi tahmininin makine öğrenmesi algoritmalarıyla gerçekleştirilmesi
Performing solar power plant electricity generation forecasting with machine learning algorithms
- Tez No: 768091
- Danışmanlar: PROF. DR. ÖMER FARUK BAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Elektrik enerjisi üretiminde yenilenebilir enerji kaynaklarının payının artması, yapay zekâ teknolojilerinin yenilenebilir enerji kaynaklarından üretilebilecek elektrik enerjisinin tahmin edilmesinde etkin bir şekilde kullanılması, dağıtık enerji üretim sistemleri ve mikro şebeke uygulamalarının geniş bir şekilde uygulanması; elektrik iletim ve dağıtım sistemlerinin en uygun şekilde çalışmasına, sistem esnekliği ve kararlılığına ve iletim-üretim-dağıtım sistemlerinde işletme maliyetlerinin azaltılmasına katkı sağlamaktadır. Elektrik dağıtım sektöründe Türkiye 21 dağıtım bölgesine ayrılmıştır. Dağıtım bölgelerinin yük tahmini yapılırken bu güneş enerji santrallerinin üretebileceği elektrik enerjisi potansiyeli dikkate alınmalıdır. Bu tez çalışmasında bir güneş enerjisi santralinden elde edilecek elektrik üretiminin tahmin edilmesi için polinom regresyon ve destek vektör regresyonu yöntemleri önerilmiştir. Bu çalışmada ele alınan güneş enerji santrali Osmaniye İl Özel İdaresi tarafından kurulmuştur. Osmaniye İl Özel İdaresine ait 990 kW kurulu gücündeki Güneş Enerjisi Santralinin 24.08.2021 ve 25.08.2021 günleri için 2 günlük elektrik üretim tahminleri yapılmıştır. Adım adım yapılan polinom regresyon yöntemi ile yaklaşık % 85 ve adım adım yapılan destek vektör regresyonu yöntemi ile yaklaşık % 90 oranında tahmin başarısı elde edilmiştir. Tek aşamada yapılan ile destek vektör regresyonundan Ortalama Mutlak Hata Yüzdesi % 12,68 olarak elde edilmiştir. Çalışmada sonuç olarak en başarılı tahmin %10,34 ortalama MAPE ile adım adım yapılan destek vektör regresyonundan elde edilmiştir.
Özet (Çeviri)
Increasing the share of renewable energy sources in electrical energy generation, effective use of artificial intelligence technologies in estimating the electrical energy that can be supplied from renewable energy sources, wide application of distributed energy generation systems and microgrid applications ensure optimal operation of electricity transmission and distribution systems, contribute to system flexibility and stability, and contribute to reducing operating costs in transmission-generation-distribution systems. In the electricity distribution sector, Turkey is divided into 21 distribution regions. Therefore, while estimating the load of the distribution region, the electrical energy potential that these solar power plants can generate should be considered. In this study, polynomial regression and support vector regression are suggested to predict electrical energy supplied from the solar power plant. 2-day electrical power generation were forecasted for the days 24.08.2021 and 25.08.2021 of the Osmaniye Special Provincial Administration Solar Power Plant with an installed power of 990 kW. Consequently, it was recorded that; approximately 85% success was obtained from the step by step polynomial regression, approximately 90% highest performance of prediction was yielded from the step-by-step support vector regression. It was obtained from single stage support vector regression with 12.68% MAPE (Mean Absolute Error Percentage), and the most successful estimation was obtained from step-by-step support vector regression with an average MAPE of 10.34%.
Benzer Tezler
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- 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
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Çatı üstü fotovoltaik santraller için yapay zeka tabanlı enerji üretim tahmini
Artficial intelligence – based energy generation estimating for rooftop photovoltaic plants
AGHASALIM GULIYEV
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK EFE
- Investigation of the impact of the solar power generation forecast by using big data analytics on the local electricity market
Büyük veri analitiği ile yapılan güneş enerjisi üretim tahmininin yerel elektrik piyasası üzerindeki etkisinin incelenmesi
OZAN OĞULCAN DEMİRTAŞ
Yüksek Lisans
İngilizce
2023
EnerjiHacettepe ÜniversitesiTemiz Tükenmez Enerjiler Ana Bilim Dalı
PROF. DR. AYŞEN SİVRİKAYA
DOÇ. DR. TUNCA DOĞAN
- 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