Deep learning-based daily solar irradiation prediction for Adana region
Adana bölgesi için derin öğrenme tabanlı günlük güneş ışınımı tahmini
- Tez No: 779204
- Danışmanlar: PROF. DR. İLYAS EKER, DR. ÖĞR. ÜYESİ KASIM ZOR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Günlük Küresel Yatay Işınımı Tahmini, Derin Öğrenme, Yinelemeli Sinir Ağları, Uzun Kısa Süreli Bellek, Kapılı Tekrarlayan Hücre, Adana, Daily Global Horizontal Irradiation Prediction, Deep Learning, Recurrent Neural Networks, Long Short-Term Memory, Gated Recurrent Unit, Adana
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 139
Özet
Petrol, kömür ve doğal gaz gibi fosil enerji kaynaklarının olumsuz etkileri ve yetersizliği doğaya zarar vermekte ve bu nedenle yenilenebilir enerji üretimi kaydadeğer şekilde önem kazanmıştır. Zararlı fosil yakıtları, temiz, güvenli ve sürdürülebilir enerjiyle değiştirmek için, fotovoltaik (FV) sektörü son yıllarda çok hızlı bir şekilde büyümüştür. Yüksek doğruluğa sahip günlük güneş küresel yatay ışınımı (KYI) tahmin modeli, FV sistemlerin çalıştırılması, bakımı ve optimizasyonu için kritik bir araçtır, öyle ki akıllı ve gürbüz KYI tahmin modeli son zamanlarda araştırmacılar arasında en ilgi çekici konulardan biri haline gelmiştir. Bu tezde, Adana bölgesinin meteorolojik verileri MERRA-2'den takvim değişkenleri eklenerek alınmış, daha sonra ham veri seti Python programlama dili aracılığıyla eksik ve hatalı veriler tedavi edilerek temiz veri seti oluşturulmuş ve bu veri seti normalize edildikten sonra bölünerek sırasıyla %80 ve %20 oranlarında eğitim ve test veri setlerine ayrılmıştır. Ayrıca, Pearson korelasyonuna göre 0, 0,10, 0,25 ve 0,50 eşikler belirlenerek, dört farklı öz nitelik seçimi senaryosu oluşturulmuştur. Ardından, gün öncesi KYI tahmin modellerinin gerçekleştirilmesinde değişik derin öğrenme tabanlı modeller ile bir istatistiki ve bir geleneksel yapay sinir ağı algoritması olarak adlandırılan çoklu doğrusal regresyon (ÇDR), çok katmanlı algılayıcı (ÇKA), yinelemeli sinir ağı (YSA), uzun kısa süreli bellek (UKSB), kapılı tekrarlayan hücre (KTH), çift yönlü UKSB ve çift yönlü KTH kullanılmıştır. Tahmin sonuçlarının değerlendirilmesinde belirleme katsayısı (BK), normalize edilmiş ortalama mutlak hata (nOMH), ortalama mutlak yüzdesel hata (OMYH) ve normalize edilmiş kök ortalama karesel hatayı (nKOKH) da içeren çeşitli performans ölçümlerinden yararlanılmıştır. Çift yönlü UKSB modelinin, BK (%85,495) ve OMYH (%19.901) performans ölçümlerine dayanarak diğer modellere göre daha yüksek performans sergilediği gözlemlenmiştir.
Özet (Çeviri)
Nature suffers because of the negative effects and insufficiency of fossil energy resources such as oil, coal, and natural gas, which is why renewable energy generation has received significant attention. To replace harmful fossil fuels with clean, safe, and sustainable energy, the photovoltaic (PV) market has grown rapidly in the last decades. A high-accuracy daily solar global horizontal irradiation (GHI) prediction model is a critical tool for the operation, maintenance, and optimization of PV systems so that developing an intelligent and robust GHI prediction model has become one of the most captivating topics among researchers in recent years. In this thesis, meteorological data of Adana region were obtained from MERRA-2 via introducing calendar data, then the dataset was wrangled to treat missing and erroneous data by using Python programming language in order to form a cleansing dataset that is normalized and split into 80% and 20% for training and testing dataset respectively. Moreover, four different feature selection scenarios were created depending on Pearson's correlation and the threshold limits were specified as 0, 0.10, 0.25, and 0.5. After day-head GHI prediction models were carried out using different deep learning-based models with a statistical and a traditional artificial neural network algorithm, namely multiple linear regression (MLR), multilayer perceptron (MLP), recurrent neural network (RNN), long short-term memory (LSTM), gated recurrent unit (GRU), bidirectional LSTM, and bidirectional GRU. The prediction results were evaluated by utilizing a variety of performance metrics, including R-squared (R2), normalized mean absolute error (nMAE), mean absolute percentage error (MAPE), and normalized root mean squared error (nRMSE). The Bi-LSTM model has been observed to outperform the other models in terms of R2 (85.495%) and MAPE (19.901%).
Benzer Tezler
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- 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
- Makine öğrenmesi kullanılarak hidrolojik modelleme: fırtına deresi örneği
A hydrologi̇c modelli̇ng based on machi̇ne learni̇ng: firtina stream case
ENSAR EFENDİ CELEPCİ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAYRAK
DR. ÖĞR. ÜYESİ ŞAFAK KAYIKÇI
- Fotovoltaik enerji sistemleri için öngörü modellerinin geliştirilmesi: Veri madenciliği ve derin öğrenme yaklaşımları
Development of forecasting models for photovoltaic energy systems: Data mining and deep learning approaches
FATMA DİDEM ALAY
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TAHİR GÜLLÜOĞLU
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- İnsansız hava aracı ile fotogrametrik temelli görüntü alımı ve uçuş optimizasyonu
Photogrammetric based image acquisition and flight optimization by unmanned aerial vehicle
HASAN BİLGEHAN MAKİNECİ
Doktora
Türkçe
2020
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN KARABÖRK