Güneş enerji santrali kısa dönem enerji üretim tahmini
Short-term energy production forecast for solar power plant
- Tez No: 804315
- Danışmanlar: DOÇ. DR. ÖKKEŞ FATİH KEÇECİOĞLU, DR. ÖĞR. ÜYESİ CEYHUN YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yenilebilir Enerji Kaynakları, Güneş Enerjisi Santrali, Gün Öncesi Güç Tahmini, Makine Öğrenmesi, Renewable Energy Sources, Solar Power Plant, Day-Ahead Power Forecast, Machine Learning
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Türkiye sahip olduğu fiziki özellikler nedeniyle oldukça yüksek bir güneş enerjisi potansiyeline sahiptir ve ülkedeki Güneş Enerjisi Santrali (GES) kurulu gücü her geçen gün artmaktadır. Fakat GES enerji üretimi değişken bir karaktere sahiptir ve üretilen değişken enerji elektrik şebekelerindeki arz-talep dengesini bozucu bir etki oluşturmaktadır. Bu konuda yapılan çalışmalar bozucu etkiyi yok etmek için GES üretim tahminlerinin gerekli olduğunu göstermektedir. Bu çalışmada GES üretimlerinin gün öncesinden tahmini için makine öğrenmesi algoritmaları temelli modeller geliştirilmiştir. Model girdileri Sayısal Hava Tahminleri (SHT) ve uygulama yapılan santralden alınan geçmiş güç değerleridir. Çalışmada kullanılan SHT verileri Meteoroloji Genel Müdürlüğünden (MGM) alınmıştır. Geçmiş güç değerleri ise şebekeye bağlı, 1 MW kurulu gücünde ve Eskişehir ilinde tesis edilmiş bir GES'ten temin edilmiştir. Model girdi verileri ve dört farklı makine öğrenmesi algoritması kullanılarak gün öncesi üretim tahminleri elde edilmiştir. Çalışmada kullanılan makine öğrenmesi algoritmaları; Doğrusal Regresyon (DR), Regresyon Ağacı (RA), Destek Vektör Makinesi (DVM) ve Gauss Süreç Regresyonu (GSR)'dur. Tahminlerin doğruluğu Kök Ortalama Kare Hata (RMSE), Ortalama Mutlak Hata (MAE) ve Determinasyon Katsayısı (R) performans değerlendirme kriterleri kullanılarak ölçülmüştür. Çalışma sonunda en iyi performans sergilediği tespit edilen GSR algoritması tahminleri için RMSE, MAE ve R değerleri sırasıyla 129.78 (kWh), 70.80 (kWh) ve 0.91 olarak hesaplanmıştır.
Özet (Çeviri)
Turkey has a very high solar energy potential due to its physical characteristics, and the installed capacity of Solar Power Plants (SPP) is increasing by the day. However, the energy generated by SPP is variable, and variable energy disrupts the supply-demand balance in power grids. The studies on this subject show that SPP generation estimates are necessary to eliminate the disruptive effect. In this study, models based on machine learning algorithms were developed for the day-ahead prediction of SPP generation. The model inputs were Numerical Weather Forecasts (NWP) and historical power values taken from the investigated power plant. NWP data used in the study were obtained from the General Directorate of Meteorology (GDM). The historical power values were obtained from a grid tied SPP that located in Eskisehir with 1 MW installed power capacity. The model input data and four different machine learning algorithms were utilized to obtain day-ahead generation forecasts. The machine learning algorithms used in the study were Linear Regression (DR), Regression Tree (RA), Support Vector Machine (DVM) and Gaussian Process Regression (GSR). The accuracy of the forecasts was measured using Root Mean Square Error (RMSE), Mean Absolute Error (MAE) and Determination Coefficient (R) performance evaluation criteria. At the end of the study, RMSE, MAE and R values were calculated as 129.78 (kWh), 70.80 (kWh) and 0.91, respectively, for the GSR algorithm which was found to have the best performance.
Benzer Tezler
- Elektrik dağıtım sistemlerinde birey odaklı konfor öncelikli talep yönetimi için akıllı yöntem geliştirilmesi
Developing an intelligent method for the user oriented comfort based demand response studies in the electricity distribution systems
MEHMET ALİ SÖNMEZ
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- Elektrikli araçların şehir şebekesine entegrasyonu: Mardin örneği
Integration of electric vehicles to the city network: The case of Mardin
RIDVAN KAYA
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DAVUT SEVİM
- Short-term solar power forecasting with artificial neural network models
Yapay sinir ağları modelleri ile kısa süreli güneş enerjisi tahmini
SEÇKİN GÖKÇE
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Yenilenebilir enerji kaynaklı santrallerde enerji üretimi ve denetimi
Energy production and audit at renewable energy power plants
ONUR ODYAKMAZ
Doktora
Türkçe
2008
EnerjiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. DÜRİYE BİLGE