Estimation of the energy output of a photovoltaic panel by metaheuristic optimization based artificial neural networks
Bir fotovoltaik panelin enerji çıkışının metaheuristik optimizasyon tabanlı yapay sinir ağları ile tahmini
- Tez No: 774938
- Danışmanlar: DR. ÖĞR. ÜYESİ FUNDA DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mekatronik Mühendisliği, Electrical and Electronics Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Fotovoltaik (PV) güneş enerjisi, küresel yatırımların en önemli endişesi haline gelmiştir. Bunu yanı sıra, diğer enerji kaynaklarına kıyasla daha düşük karbon etkisine sahiptir. İklim ve küresel ısınma risklerinden korunmak ve bu anlamda tüketiciye hizmet etmek için kullanılan çözüm yollarından biridir. Fotovoltaik güç çıkışının doğru tahmini, panel kurulumu, enerji yönetimi ve dağıtımı, sistem güvenilirliği ve elektrik güç kaynağı şebekelerinin günlük talep çizelgesine entegre edilmesi açısından çok önemlidir. Bu nedenle, ileri teknoloji geliştirmek için değişen hava koşulları ile orantılı bir fotovoltaik enerji tahmin modelinin oluşturmak gerekir. Gerçekleştirilen çalışmada fotovoltaik sistemlere, meteorolojik gözlemlere ve güneş enerjisi çıktılarının tahminine yönelik yeni bir veri toplama sistemi geliştirmek amaçlanmaktadır. Barometre ölçümleri için mikro denetleyiciler ve sensörler kullanılmaktadır. Hava durumu ve elektrik dengeleri web sitesinde arşivlenmekte ve Thinkspeak platformu aracılığıyla Nesnelerin İnterneti üzerinden izlenmektedir. 9 Mayıs 2022 Pazartesi ile 15 Haziran 2022 Çarşamba arasındaki 37 gün boyunca toplanan güneş enerjisi çıktılarını tahmin etmek için metasezgisel algoritmalarla geliştirilmiş Yapay Sinir Ağları (YSA) modeli kullanılmıştır. Üç ana algoritma, Genetik Algoritma ( GA), Parçacık Sürü Optimizasyonu (PSO) ve Yapay Arı Kolonisi (ABC), 18 derecelik eğim ile yerleştirilmiş güneş paneline ait verileri tahmin etmek için kullanılmıştır. Bu algoritmaların sonuçlarını değerlendirmek ve karşılaştırmak için ortalama kare hatası (MSE), ortalama mutlak yüzde hatası (MAPE) ve belirleyicilik katsayısı (R2) olmak üzere üç yöntem kullanılmıştır. Sonuçlar, temel belirleme yöntemlerini kullanan geleneksel yapay zeka yönteminin en iyisi olduğunu göstermektedir. PSO-ANN ise GA-ANN ve ABC-ANN ile karşılaştırıldığında en iyi sonucu vermektedir.
Özet (Çeviri)
Photovoltaic (PV) solar energy has become the most prominent concern of global investments. In addition, it is considered low carbon and its manufacture has a lower carbon impact compared to other energy sources. It is one of the solutions to avoid the risks of climate and global warming and to serve the consumer. Accurate forecasting of photovoltaic power output is very important in terms of panel installation, energy management and distribution, system reliability and integrating it into the daily demand schedule of electrical power supply networks. It is necessary to create a prediction model of photovoltaic energy that is commensurate with the changing weather conditions to develop advanced technology. Our study aims to develop a new data acquisition system dedicated to photovoltaic systems, meteorological observations and prediction of solar energy outputs. We use micro-controllers and sensors for barometer measurements. Weather and electrical balances are archived on our websites and monitored through the Internet of Things via the thinkspeak platform. The Artificial Neural Networks (ANN) model which was improved by metaheuristic algorithms was used to predict the solar energy outputs collected during 37 days from Monday May 9, 2022 to Wednesday June 15, 2022. Three main algorithms, Genetic Algorithm (GA), Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) were used to train ANN to predict an 18-degree solar panel. They used three common methods to evaluate and compare the results of the algorithms used which are mean square error (MSE), mean absolute percentage error (MAPE) and coefficient of determination (R2). The results show that traditional NN with basic finding methods is the best. PSO-ANN is the best between PSO-ANN, GA-ANN and ABC-ANN.
Benzer Tezler
- Şebekeye bağlı fotovoltaik çatı sisteminin performans analizi
Performance analysis of grid-connected photovoltaic roof system
ÖZGE ÖZCAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN İZGİ
- Fotovoltaik sistemin çıkış gücünün uç öğrenme algoritması ile tahmini
The estimation of output power of a photovoltaic system by extreme learning machine
SERHAT TOPRAK
Yüksek Lisans
Türkçe
2019
EnerjiFırat ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. RESUL ÇÖTELİ
- Güneş enerji sistemlerinin performans tahmini için yapay sinir ağları ile modellenmesi ve verimliliğin incelenmesi
Modeling solar systems using artificial neural networks for performance prediction and investigation efficiency
YASİN İÇEL
Doktora
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SALİH MAMİŞ
- Cibuti iklim şartlarında PV sistem ile pompa çalıştırılmasının modellenmesi
Modeling of pump operation with PV system in climatic conditions of Djibouti
IDIL YOUSSOUF SOUGUEH
Yüksek Lisans
Türkçe
2022
EnerjiKarabük ÜniversitesiEnerji Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN KAYA
- Agrivoltaik sistemler ile elektrikli traktörleri şarj etmek için doğru arazilerin saptanması
Determining the right lands to charge electric tractors with agrivoltaics
SAMED PEKDEMİR
Yüksek Lisans
Türkçe
2023
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN