Forecasting electrical power generated from solar pv systems by innovative dl principles
Yenilikçi dl ilkeleriyle güneş pv sistemlerinden üretilen elektrik gücünün tahmini
- Tez No: 830694
- Danışmanlar: YRD. DOÇ. DR. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu yüksek lisans araştırması, yeni DL algoritmalarının kayda değer etkinlik, doğruluk, güvenilirlik ve güvenilirlik ile tahminler yapmadaki önemli katkılarını ve önemli ilişkilerini incelemek ve keşfetmek için uygulanmaktadır. Çalışma, Hindistan'daki iki güneş PV sistemini içeren bir vaka çalışmasını ele alıyordu. Veri kümeleri tanımlandı ve üç DL modelinin doğruluğunu incelemek için iki performans değerlendirme yaklaşımı kullanıldı: LSTM, CNN ve LSTM-CNN. Bu çalışmadaki sayısal simülasyonlar ve matematiksel analiz, LSTM, CNN ve hibrit LSTM-CNN modellerinin, iki güneş PV sisteminden üretilen temiz elektrik gücünün tahmininde daha yüksek doğruluk sunduğunu ortaya çıkardı. Bununla birlikte, hibrit şemanın doğruluğu, ilk iki algoritmayla karşılaştırıldığında en önemli doğruluk oranlarını sağlamıştır. Araştırma bulguları ayrıca, üç algoritmanın eğitimiyle bağlantılı MAE değerlerinin, tüm dönem aralıklarında test süreciyle ilgili MAE miktarlarından daha önemli olduğunu gösterdi. Ayrıca üç algoritmanın eğitimine bağlı MAE'nin maksimum değerde başladığı tespit edildi. Daha sonra, daha geniş bir dönem aralığı için sürekli olarak daha düşük bir değere ulaşana kadar azalır. Ancak düşüş sonrası MAE değeri hala test sürecinin MAE oranlarından daha büyüktü. Ayrıca sayısal çıktılar, üç algoritmaya yönelik eğitim ve test prosedürlerinin RMSE değerinin, iki güneş PV sisteminin temiz elektrik gücünün tahmin edilmesinde MAE ile benzer davranışa sahip olduğunu doğruladı.
Özet (Çeviri)
This master's research is implemented to examine and explore the significant contributions and substantial relevances of novel DL algorithms in making predictions with considerable effectiveness, accuracy, reliability, and trustworthiness. The work addressed a case study comprising two solar PV systems in India. Datasets were defined, and two performance evaluation approaches were used to examine the accuracy of the three DL models: LSTM, CNN, and LSTM-CNN. The numerical simulations and mathematical analysis in this work revealed that the LSTM, CNN, and hybrid LSTM-CNN models offered higher accuracy in forecasting clean electrical power produced from the two solar PV systems. Nonetheless, the accuracy of the hybrid scheme provided the most significant accuracy rates compared with the first two algorithms. The research findings also indicated that the values of MAE linked to the training of the three algorithms were more considerable than the MAE amounts related to the testing process across all the epoch ranges. Besides, it was found that the MAE connected with training for the three algorithms started at a maximum value. Then, it declines until it reaches a lower value steadily for a more extended epoch range. However, the MAE value after declination was still larger than the MAE rates of the testing process. Further, the numerical outputs confirmed that the RMSE value of the training and testing procedures for the three algorithms had similar behavior to the MAE in forecasting the clean electrical power of the two solar PV systems.
Benzer Tezler
- Enhancing photovoltaic system performance through NARX-LSTM forecasting and neuro-controller based MPPT techniques
NARX-LSTM tahmın ve nöro-denetleyici temelli MPPT teknikleri vasıtasıyla fotovoltaık sistem performansının artırılması
OUBAH ISMAN OKIEH
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Fotovoltaik enerji sistemleri için öngörü modellerinin geliştirilmesi: Veri madenciliği ve derin öğrenme yaklaşımları
Development of forecasting models for photovoltaic energy systems: Data mining and deep learning approaches
FATMA DİDEM ALAY
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TAHİR GÜLLÜOĞLU
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Forecasting solar irradiance using deep learning and big data analytics techniques in Sakarya and Damascus
Sakarya ve Şam'da derin öğrenme ve büyük veri analitiği teknikleri kullanılarak güneş ışınımının tahmini
MARYA ALHAJMOHAMMADOTHMAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEYDA AKSOY TIRMIKÇI
DR. ÖĞR. ÜYESİ DENİZ BALTA
- Güneş paneli enerji üretim tahmininin makine öğrenmesi yöntemleri ile karşılaştırılması
Comparison of solar panel energy production forecast with machine learning methods
HAVVA AYYILDIZ KOÇ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya ÜniversitesiYenilenebilir Enerji ve Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU