Bölgesel güneş enerji potansiyelinin belirlenmesinde yeni bir yaklaşım
A new approach in determining the regional solar energy potential
- Tez No: 800305
- Danışmanlar: DR. ÖĞR. ÜYESİ ALTUĞ BOZKURT, DOÇ. DR. BEDRİ KEKEZOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Tesisleri Bilim Dalı
- Sayfa Sayısı: 124
Özet
Dünya nüfusunun hızlı bir şekilde büyümesine bağlı olarak küresel enerji krizinin artması ve çevresel sorunlar nedeniyle yenilenebilir enerji kaynakları oldukça popüler hale gelmektedir. Geniş uygulama potansiyeline sahip temiz bir enerji türü olan fotovoltaik (FV) enerji üretimi son yıllarda hızla gelişmekte ve en önemli yenilenebilir enerji kaynaklarından biri haline gelmektedir. Bu nedenle birçok ülke yenilenebilir kaynakların elektrik şebekelerine entegrasyonuna odaklanmış ve özellikle güneş enerjisi üretim sistemlerini elektrik şebekelerine geniş ölçüde dâhil etmektedirler. Güneş enerji tesislerinde üretilen güç esas olarak, FV panel yüzeyine ulaşan ışınım miktarına bağlıdır. Güneş ışınımının önceden bilinmesi güneş enerjisi sistemlerinin güvenilir planlaması ve verimli bir şekilde tasarlanması için temel bir gerekliliktir. Bu nedenle güneş ışınım tahmini oldukça önemli bir konudur. Güneş ışınımı tahmini aynı zamanda üretilen güneş enerjisi çıktısının tahmin edilmesine de yardımcı olur. Çünkü güneş ışınımının yoğunluğu doğrudan güneş enerjisi üretimi ile ilgilidir. Öyle ki güneş ışınımının yoğunluğu ne kadar yüksekse, güneş panelleri tarafından üretilen elektrik enerjisi miktarı o kadar yüksek olur. Son yıllarda, araştırmacılar tarafından güneş ışınım tahmini üzerine birçok kapsamlı çalışma yürütülmüş ve etkili güneş ışınım tahmin yöntemleri geliştirilmiştir. Bunlar fiziksel, istatiksel ve farklı metotların birleştirilmesiyle oluşturulan topluluk yöntemleridir. Ancak öğrenme algoritmalarını çok daha iyi ve kolay hale getirebilen en iyi istatiksel yöntem olan yapay zekâ (AI) uygulamalarının başarısı araştırmacıları bu alana çekmiştir. Bu tez çalışmasında, Türkiye'nin Doğu Anadolu bölgesinde bulunan Hakkâri ilinde kurulu olan Meteoroloji ölçüm istasyonunda yer alan piranometre ile elde edilen güneş ışınım verileri ile Avrupa Meteorolojik Uyduları İşletme Komisyonu (Eumetsat) resmi sitesi üzerinden eş zamanlı olarak alınan uydu görüntüleri kullanılarak derin öğrenme tabanlı yeni bir güneş ışınım tahmin modeli geliştirilmiştir. Geleneksel tahmin metotlarının aksine güneş ışınımının doğru bir şekilde tahmin edilmesi için yaklaşık olarak 90.000 km2 yeryüzü alanını kapsayan uydu görüntüleri ile derin öğrenme algoritması benimsenmiştir. Literatüre sunulan katkılar aşağıda sıralanmıştır. Bölgesel güneş ışınımının, uydu görüntüleri ve bu görüntülerin elde edilme zamanları ile eşzamanlı olarak piranometre tarafından ölçülen güneş ışınım verilerinin, evrişimsel sinir ağları (CNN) derin öğrenme modelinin görüntü analiz etme özelliği ile başarılı bir şekilde tahmin edilmesi. Kalibrasyon, iklim ve çevre koşulları gibi insan ve doğadan kaynaklanan etkilere maruz kaldığında ölçüm hatası riskleri yükselmekte olan yer kaynaklı ölçüm istasyonlarının yerini alarak FV tesisler için güneş ışınımının izlenmesi. Güneş ışınım verileri, yer kaynaklı ölçüm cihazları kullanılarak doğrudan ölçümden elde edilir. Ancak yer kaynaklı ölçüm sistemleri pahalıdır ve bakım gerektirir. Ayrıca yer kaynaklı ölçüm sisteminin her bölgede kurulumu mümkün olamayacağı için kapsama alanı sınırlıdır ve veri tabanı yetersizdir. Bu nedenle uydu görüntüleri kullanılarak güneş ışınım tahmini ile yer kaynaklı ölçüm istasyonlarına olan ihtiyacın azalacağı düşünülmektedir.
Özet (Çeviri)
Renewable energy sources are becoming very popular due to the increase in the global energy crisis and environmental problems depending on the rapid growth of the world population. Photovoltaic (PV) energy generation, which is a clean type of energy with wide potential of application, has developed rapidly and become one of the most important renewable energy sources in recent years. For this reason, many countries have focused on the integration of renewable resources into the electricity grids and included solar power generation systems in these grids. The power generated from solar power plants mainly depends on the amount of radiation falling on the PV panel surface. A priori knowledge of solar radiation is a fundamental requirement for reliable planning and efficient design of solar power systems. Therefore, solar radiation estimation is a very important issue. Solar radiation estimation also helps in estimating the solar energy generation. Because the intensity of solar radiation is directly related to solar energy generation. The higher intensity of solar radiation, the greater amount of electrical energy generated by the solar panels. In recent years, many comprehensive studies on solar radiation estimation have been carried out and effective solar radiation estimation methods have been developed by researchers. These are physical, statistical and ensemble methods created by combining different methods. However, the success of artificial intelligence (AI) applications, which is the best statistical method that can make learning algorithms much better and easier, has attracted researchers to this field. In this thesis, a new deep learning-based solar radiation estimation model has been developed by using the solar radiation data obtained by the pyranometer located in a Meteorology measurement station located in Hakkari province in the Eastern Anatolian region of Turkey, and the satellite images simultaneously taken from the European Meteorological Satellites Operation (EUMETSAT) official website. Contrary to the traditional estimation methods, a deep learning algorithm has been adopted with satellite images covering approximately 90000 km2 of earth surface for accurately estimating solar radiation. The contributions to the literature are listed below. Successful estimation of regional solar radiation, satellite images and acquisition times of these images, and solar radiation data simultaneously measured by pyranometer using the image analysis feature of convolutional neural network (CNN) deep learning model. Solar radiation monitoring for PV plants by replacing ground-based measurement stations, which have an increased risk of measurement error when exposed to human and natural influences such as calibration, climate and environmental conditions. Solar radiation data is obtained from direct measurement using ground-based measurement devices. However, ground-based measurement systems are expensive and require maintenance. In addition, since the ground-based measurement system cannot be installed in every region, the coverage area is limited and the database is insufficient. For this reason, it is thought that the need for ground-based measurement stations will decrease with solar radiation estimation using satellite images.
Benzer Tezler
- Investigation of urban heat island intensity and developing mitigation strategies for istanbul
İstanbul için şehir ısı adası şiddetinin araştırılması ve azaltma stratejilerinin geliştirilmesi
SİMGE İREM BİLGEN
Yüksek Lisans
İngilizce
2016
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. YURDANUR S. ÜNAL
- Assessment of urbanization history of Addis Ababa city, Ethiopia
Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi
ABDURAHMAN HUSSEN YIMER
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge PlanlamaMersin ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ALİ CENAP YOLOĞLU
- Dünyada ve Türkiye'de enerji sektörünün genel durumu ve Türkiye'nin elektrik enerjisi üretim ve tüketim tahminleri
General situation of the energy sector in the world and in Turkey and forecasts for Turkey's production and consumption of electrical energy
ERİNÇ ŞENER
- Güneş enerji panellerinde harita tabanlı uygunluk analizi
Map-based suitability analysis for solar energy panels
FATİH ACAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ
- Hibrit güç üretimi tahmininde makine öğrenimi algoritmalarının performans analizi
Performance analysis of machine learning algorithms in hybrid power generation prediction
BEGÜM UZUNOKUR
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiHarran ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GENCAY SARIIŞIK