Küresel güneş radyasyonun makine öğrenmesi yöntemleri ile tahmini: Örnek bir uygulama
Prediction of global solar radiation by machine learning methods: A case study
- Tez No: 800622
- Danışmanlar: DOÇ. DR. HAKAN AÇIKGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: GAZİANTEP İSLAM BİLİM VE TEKNOLOJİ ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Günümüzde enerji ihtiyacının çoğunluğunun karşılandığı fosil (petrol, doğal gaz, kömür vs.) yakıtları, hem çevreye zarar vermekte hem de yakın zamanda tükenme ihtimali bulunmaktadır. Bu nedenle bilim insanları alternatif enerji kaynakları bulma arayışına girmişlerdir. Sürdürülebilir ve temiz olmaları nedeniyle birçok ülke enerji ihtiyacını karşılamada yenilenebilir enerji kaynaklarını tercih etmeye başlamıştır. Güneş enerjisi yenilenebilir enerji kaynakları içerisinde hızlı gelişen bir enerji kaynağıdır. Güneş ışınımlarından yeryüzüne inen küresel güneş radyasyonunun zamansal periyodu ve miktarı kurulacak Güneş Enerji Santral (GES) teknolojilerine ışık tutmaktadır. Makine öğrenmesi ve derin öğrenme metotları gibi yapay zekâ uygulamaları ile geçmiş dönem verilerinden yararlanarak tahminler yapılabilmektedir. Bu sebeple düşük ve yüksek radyasyon değerlerine sahip Artvin, Rize, Batman, Diyarbakır, Mardin, Siirt ve Şırnak illeri için küresel güneş radyasyonu tahmini gerçekleştirilmiştir. Tahmin ufkunun 1 ila 3 saat ilerisi seçildiği durumlar için, Karar Ağaçları (KA), Destek Vektör Makinesi (DVM), Doğrusal Regresyon (DR), Regresyon Ağaçları (RA), Çekirdek Yaklaşım Regresyonu (ÇYR) ve Yapay Sinir Ağları (YSA) gibi metotlardan elde edilen sonuçlar kapsamlı bir şekilde karşılaştırılmıştır. Bu tez çalışmasının geçerliliğini değerlendirmek için Kök Ortalama Kare Hatası (RMSE), Ortalama Mutlak Hata (MAE), Ortalama Kare Hata (MSE) ve Korelasyon katsayısı (R) gibi performans metrikleri kullanılmıştır. Bölgesel ve değişken hava koşullarında küresel güneş radyasyonunun tahmini kurulacak olan GES'in gücünü bulmada önemli bir parametre olmaktadır. Bu tez çalışması ile belirlenen illerde kurulacak olan GES'ler için hem kısa hem de uzun vade de yatırım ve planlamaların daha efektif bir şekilde yapılmasına katkı sağlanması amaçlanmaktadır.
Özet (Çeviri)
Today, fossil fuels (petroleum, natural gas, coal, etc.), which meet the majority of energy needs, both harm the environment and are likely to be exhausted in the near future. For this reason, scientists are sought to find alternative energy sources. Due to their sustainable and clean nature, many countries are started to prefer renewable energy sources to meet their energy needs. Solar energy is a rapidly developing energy source among renewable energy sources. The temporal period and amount of the global solar radiation descending to the earth from solar radiation sheds light on the Solar Power Plant (SPP) technologies to be established. With artificial intelligence applications such as machine learning and deep learning methods, predictions can be made by using historical data. For this reason, global solar radiation prediction is realized for the provinces of Artvin, Rize, Batman, Diyarbakır, Mardin, Siirt and Şırnak, which have low and high radiation values. For cases where the prediction horizon is selected 1 to 3 hours ahead, the results obtained from the methods such as Decision Trees (DT), Support Vector Machine (SVM), Linear Regression (LR), Regression Trees (RT), Kernel Approximation Regression (KAR) and Artificial Neural Networks (ANN) are extensively compared. Performance metrics such as Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Square Error (MSE) and Correlation Coefficient (R) were used to evaluate the validity of this thesis study. The prediction of global solar radiation in regional and variable weather conditions is an important parameter in finding the power of the SPP to be established. With this thesis, it is aimed to contribute to making investments and planning more effectively in both short and long term for the SPPs to be established in the determined provinces.
Benzer Tezler
- Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini
Solar radiation forecasting using system identification machine learning and deep learning models
GÖKSEL KADER
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
- Farklı makine öğrenmesi yaklaşımlarını kullanarak Türkiye'de HELİOSAT tabanlı güneş radyasyonunun modellenmesi
Modeling of HELİOSAT based solar radiation in Turkey using different machine learning approaches
TAHA DEMİRGÜL
Yüksek Lisans
Türkçe
2023
İnşaat MühendisliğiKTO Karatay Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VAHDETTİN DEMİR
- Hourly global solar radiation estimation using empirical and machine learning models in Eskişehir
Makine öğrenme ve ampirik modeller kullanılarak Eskişehir'de saatlik küresel güneş radyasyonunun tahmini
MASSA ALSAFADI
Yüksek Lisans
İngilizce
2020
Mühendislik BilimleriAnadolu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMMÜHAN BAŞARAN FİLİK
- Makine öğrenimi ile güneş enerjisi santrali üretim tahmini
Solar power plant production forecast with machine learning
MUHAMMED HALEF
Yüksek Lisans
Türkçe
2022
EnerjiErciyes ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALTUK BUĞRA SELÇUKLU
- 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