Yapay sinir ağlarıyla Türkiye'deki yenilenebilir enerji potansiyeline bağlı olarak uzun süreli elektrik üretim tahmini
Estimatation on long-term electricity generation depending on renewable energy potential in Turkey with artificial neural networks
- Tez No: 802800
- Danışmanlar: DR. ÖĞR. ÜYESİ DERYA BETÜL ÜNSAL ÇELİMLİ
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Günümüze kadar, Dünya üzerinde enerji üretiminde en çok kullanılan kaynak fosil yakıtlar olmuştur. Son yıllarda ise fosil yakıtların tükenmesi ve çevre kirliliği etkilerinden ötürü yenilenebilir enerji kaynakları gündeme alınmış ve yeni enerji kaynakları arama yoluna gidilmiştir. Bu süreçte çeşitli yenilenebilir enerji kaynakları geliştirilerek iyi sonuçlar alınmış olup hala da geliştirilmeye devam edilmektedir. Türkiye'de ise kömür ve doğalgaz kaynaklı enerji üretiminde son yıllarda düşüş gözlenirken, yenilenebilir enerji kaynaklarından enerji üretimi oldukça artmıştır. Ancak üretilen enerjinin depolanamamasında dolayı arz ve talep miktarı dengesizliklere sebep olmaktadır, bu durumun aşılabilmesi için ise enerji üretim ve tüketim tahmininin yapılması hem ülke ekonomisi hem de rezerv sıkıntılarının önüne geçilmesi için çok büyük önem arz etmektedir. Bu problemlerin önüne geçilebilmesi için ise tahmin modellerine dayanan birçok yöntem geliştirilmeye devam edilmektedir. Bu çalışmada yapay sinir ağlarıyla Türkiye'nin enerji potansiyeli temel alınmış, hava durumu verileri ile birlikte güneş enerji sistemlerinin enerji üretim potansiyeli hesaplanarak gerçek zamanlı sonuçlarına ANN (Yapay Sinir Ağları) ve LSTM (Uzun Kısa Vadeli Bellek), CNN (Evrişimli Sinir Ağları) ve Hibrit CNN+LSTM mimarilerinden faydalanılarak ulaşılmıştır. Sonuçların farklı modeller ile kıyaslanarak performans iyileştirmeleri için çözüm önerileri oluşturulması hedeflenmiştir. Türkiye geneli için ulaşılan resmi verilerin ortalama değerlerden oluşması sebebiyle bölgesel yaklaşım ele alınmış ve mevsim normallerine bağlı hava durumu verilerinin yakın değerlerde olduğu bölgeler için genel sonuçlara ulaşılmıştır. Alınan sonuçlar neticesinde ulaşılan hata oranını azaltabilmek için etkili sonuçları bulunan makine öğrenmesi tekniklerinden de faydanılmıştır. Derin öğrenme modelleri ile birlikte makine öğrenme modelleri olan LightGBM, GBR ve RF yöntemleri ile kıyaslamalar yapılmıştır. Karşılaştırma modelleri sonuçlarına göre tahmin doğruluğunu iyileştirmede makine öğrenme modeli olan LightGBM'in en iyi sonuç verdiği gözlenmiş olup en yüksek hata oranı ise hibrit model olan CNN+LSTM modelinde gözlemlenmiştir.
Özet (Çeviri)
To date, fossil fuels have been the most widely used source of energy in the world. In recent years, due to the depletion of fossil fuels and the effects of environmental pollution, renewable energy sources have been put on the agenda and new energy sources have been sought. In this process, various renewable energy sources have been developed and good results have been obtained and they are still being developed. In Turkey, on the other hand, while a decrease has been observed in energy production from coal and natural gas in recent years, energy production from renewable energy sources has increased considerably. However, due to the inability to store the produced energy, the amount of supply and demand causes imbalances, and in order to overcome this situation, estimating energy production and consumption has great importance both for the country's economy and for preventing reserve problems. In order to prevent these problems, many methods based on prediction models continue to be developed. In this study, Turkey's energy potential is based on artificial neural networks, the energy production potential of solar energy systems is calculated together with weather data, and the real-time results are obtained by ANN (Artificial Neural Networks) and LSTM (Long Short Term Memory), CNN (Convolutional Neural Network) and it was achieved by using hybrid CNN+LSTM architectures. It is aimed to create solutions for performance improvements by comparing the results with different models. Due to the fact that the official data obtained for the whole of Turkey consists of average values, the regional approach has been handled and general results have been reached for the regions where the weather data depending on the seasonal normals are close to the values. In order to reduce the error rate achieved as a result of the outcomes obtained, machine learning techniques with effective results were also used. Comparisons were made with deep learning models, as well as machine learning models LightGBM, GBR and RF methods. According to the results of the comparison models, it was observed that the machine learning model LightGBM gave the best results in improving the prediction accuracy, and the highest error rate was observed in the hybrid model, the CNN+LSTM model.
Benzer Tezler
- Forecasting for bioethanol production in Turkey
Türkiye'de biyoetanol üretimi için öngörü
EZGİ BAYRAKDAR ATEŞ
Doktora
İngilizce
2017
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. FİLİZ KARAOSMANOĞLU
- Türkiye genelinde Bahel modeli ve yapay sinir ağları ile güneş radyasyonu tahmini
Solar radiation estimation for Turkey using Bahel model and artificial neural networks
ELVAN BURCU KOŞMA
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Finding hidden patterns of hospital infections on the newborn in Turkey: A data mining approach
Türkiye'deki yenidoğan hastane enfeksiyonlarının gizli örüntülerini bulmak: Bir veri madenciliği yaklaşımı
İNCİ AKSOY
Yüksek Lisans
İngilizce
2010
HastanelerBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. BERTAN BADUR
YRD. DOÇ. DR. SONA MARDİKYAN
- GSM sistemlerde ücretlendirme algoritmalarının ve kota sistemlerinin dinamik olarak incelenmesi
Evaluation of charging algorithms and quota systems dynamicly in GSM systems
ULAŞ ÇELENK
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR SIDDIK BİNBOĞA YARMAN
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA