Makine öğrenme tekniklerini kullanarak güneş enerji sistemlerinin elektrik üretim tahmini
Electric generation forecast of solar energy systems using machine learning techniques
- Tez No: 810977
- Danışmanlar: PROF. DR. MEHMET DURAN TOKSARI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Güneş Enerjisi, Güneş Enerji Sistemleri, Yenilenebilir Enerji, Makine Öğrenme, Yapay Sinir Ağları, Derin Öğrenme, Solar Energy, Solar Energy Systems, Renewable Energy, Machine Learning, Artificial Neural Networks, Deep Learning
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Bu tez çalışmasında, makine öğrenme teknikleri kullanılarak yapılacak olan güneş enerjisi sistemini modelleme ve tahmini yapmak üzere, geçmiş çalışmalar incelenmiş ve girdi parametreleri olarak aylık kar örtülü gün sayısı, sıcaklık, bulutluluk ve küresel radyasyon belirlenmiştir. Çalışmanın yapıldığı fotovoltaik santral Kayseri Organize Sanayi Bölgesinde yer alan 1000 Mw'e güce sahip güneş enerjisi santralidir. Veri seti 2017-2021 yıllarına ait saatlik verilerden oluşmaktadır. Sıcaklık (°C), bulutluluk (octa), global radyasyon (j/〖cm〗^2), aylık kar örtülü gün sayısı verileri Kayseri Meteoroloji Genel Müdürlüğü'nden alınan gözlem verileridir. Bu tez çalışmasında Kayseri ili organize sanayi bölgesinde bulunan güneş enerjisi santrali için üretim tahminleri yapılmıştır. Tahmin yöntemi olarak çoklu doğrusal regresyon ve derin öğrenme yaklaşımları kullanılmıştır. Bu çalışmada önerilen sinir ağı modelinde gizli katman sayısı 3 olarak seçilmiştir. Yapay Sinir Ağı Mimarisinde kullanılan gizli katmanda logsig (logaritmik sigmoid) aktivasyon fonksiyonu tercih edilmiş, optimizasyon algoritması olarak Adam Algoritması kullanılmıştır. Regresyon yaklaşımı kullanılarak determinasyon katsayısı 0.94 olarak elde edilmiştir. Derin öğrenme algoritması Python'da rastgele üretilen öğrenme ve test veri setlerine bağlı olarak 10 kez koşturulmuş, determinasyon katsayısı en büyük 0.96, en küçük 0.94 olarak elde edilmiştir. Elde edilen bir diğer sonuç ise üretim verilerini etkileyen korelasyon değerlerinden %96 ile en yüksek değer aylık küresel radyasyon miktarı parametresidir.
Özet (Çeviri)
In this thesis, the previous studies were examined in order to model and predict the solar energy system to be made using machine learning techniques, and the number of monthly snow covered days, temperature, cloudiness and global radiation were determined as input parameters. It is a solar power plant with a power of 1000 MW. The data set consists of hourly data for the years 2017-2021. Temperature (°C), cloudiness (octa), global radiation (j/〖cm〗^2), monthly number of days with snow cover are the observation data obtained from the General Directorate of Meteorology in Kayseri. In this thesis, production estimates were made for the solar power plant located in the organized industrial zone of Kayseri province. Multiple linear regression and deep learning approaches were used as the estimation method. In the neural network model proposed in this study, the number of hidden layers is chosen as 3. In the hidden layer used in Artificial Neural Network Architecture, logsig (logarithmic sigmoid) activation function was preferred and Adam Algorithm was used as the optimization algorithm. The coefficient of determination was obtained as 0.94 using the regression approach. The deep learning algorithm was run 10 times depending on the randomly generated learning and test data sets in Python, and the determination coefficient was obtained as 0.96 at the largest and 0.94 at the smallest. Another result obtained is the monthly global radiation amount parameter with 96% of the correlation values affecting the production data.
Benzer Tezler
- 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
- An optimal energy management system for sustainable city based on renewable energy sources
Sürdürülebilir şehir için yenilenebilir enerji kaynaklarına dayalı en uygun enerji yönetim sistemi
MOHAMED ALI H. ELWEDDAD
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET TAHİR GÜNEŞER
- Farklı katı yakıt türlerinin üst ısıl değerlerinin çoklu lineer regresyon, karar ağacı, random forest ve yapay sinir ağları yöntemleriyle belirlenmesi
Prediction of calorific value of solid fuel by multiple linear regression, decision tree, random forest and artificial neural network
KAAN BÜYÜKKANBER
Yüksek Lisans
Türkçe
2022
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HANZADE AÇMA
- Solar energy power prediction system baseb on machine learning approaches
Makine öğrenme yaklaşımlarına dayalı güneş enerjisi gücü tahmin sistemi
MOHAMMED HIKMAT MUMTAZ AL-BAZI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. SEFER KURNAZ
- Enhancing maximum power point tracking through ensemble learning techniques
Topluluk öğrenme teknikleri yoluyla maksimum güç noktası takipini geliştirme
HAYDER HUSAM MAHMOOD AL-MAYYAH
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZAID HAMODAT