Geri Dön

Makine öğrenimi yöntemleri ile güneş paneli enerji üretim tahmini ve ömrünün sürdürülebilirliğe katkısı

Solar panel energy production forecasting by machine learningmethods and contribution of lifespan to sustainability

PDF İndir

  1. Tez No: 856413
  2. Yazar: HÜSEYİN YILMAZ
  3. Danışmanlar: DOÇ. DR. MEHMET ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Enerji, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İskenderun Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 78

Özet

Atmosferi ve çevreyi koruma mücadelesi tüm dünyada hızla artmaktadır. Yenilenebilir enerji kaynaklarından enerji üretimini sürdürülebilir kılmak için daha fazla çalışmaya ihtiyaç vardır. Enerjinin makine öğrenimiyle entegrasyonu sayısız avantaj sağlamaktadır. Bu çalışmada başlıca yenilenebilir enerji kaynaklarından biri olan güneş enerjisi sistemi ele alınmıştır. Destek vektör makinesi (SVM), K-en yakın komşu (KNN), Rastgele orman (RF), Yapay sinir ağları (ANN), Naive Bayes (NB), Lojistik regresyon, Karar ağacı (DT), Gradyan artırma (Gradient Boosting), Adaptive Boosting (AdaBoost), Stochastic Gradient Descent (SGD), enerji üretimini tahmin etmek için kullanılmıştır. Tahmin deneyleri, yüksek güneş radyasyonu ve yüksek sıcaklığa sahip bir bölgede gerçekleştirilmiştir. Böylece aşırı ısınmış güneş panellerini de inceleme imkânı bulunmuştur. Güneş panelinin hemen yanına küçük ölçekli ama yeterli bir meteoroloji istasyonu kurulmuştur. Sensörler ile atmosferden elde edilen sıcaklık, basınç, nem ve güneş radyasyonu gibi girdiler kullanılmıştır. Elde edilen veriler Arduino mikrodenetleyici kullanılarak işlenmiş, veriler C# yazılımı ile kayıt altına alınmış ve Python programlama dili kullanılarak makine öğrenmesi eğitimi gerçekleştirilmiştir. Kısa süreli veriler ile SVM algoritması, uzun süreli veriler ile ANN algoritması başarılı sonuçlar sergilemiştir. Bu çalışma, ilgili bölgede güneş enerjisi sistemleri yatırımlarının uygun olup olmadığı konusunda yol gösterici niteliktedir.

Özet (Çeviri)

The struggle to protect the atmosphere and the environment is increasing rapidly around the world. More work is needed to make energy production from renewable energy sources sustainable. The integration of energy with machine learning provides numerous advantages. In this study, the solar energy system, which is one of the main renewable energy sources, is considered. Support Vector Machine (SVM), K-nearest neighbor (KNN), Random Forest (RF), Artificial Neural networks (ANN), Naive Bayes (NB), Logistic Regression, Decision Tree (DT), Gradient Boosting, Adaptive Boosting (AdaBoost), Stochastic Gradient Descent (SGD) are used to forecast energy production. Forecast experiments are conducted in a region with high solar radiation and high temperature. Thus, there is an opportunity to examine overheated solar panels as well. A small scale but adequate weather station is installed right next to the solar panel. Inputs such as temperature, pressure, humidity and solar radiation obtained from the atmosphere with sensors are used. Obtained data are processed utilizing Arduino microcontroller, data are recorded with C# software and machine learning training is performed using Python programming. SVM algorithm showed successful results with short-term data and ANN algorithm with long-term data. This study provides guidance on whether solar energy systems investments are appropriate in the relevant region.

Benzer Tezler

  1. Tez No

    618615

    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

    İngilizce

    2020

    Mühendislik BilimleriAnadolu Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÜMMÜHAN BAŞARAN FİLİK

  2. Tez No

    849639

    Detection and classification of faults on the dc side of photovoltaic systems using logistic model tree algorithm

    Lojistik model ağacı algoritması ile fotovoltaik sistemlerin dc tarafındaki hataların tespiti ve sınıflandırılması

    BOĞAÇ OĞUZ TOĞAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DOÇ. DR. COŞKUN FIRAT

  3. Tez No

    823068

    Digitizing electricity generation in solar panel farms with digital twin and operating with high efficiency

    Dijital ikiz ile güneş paneli çiftliklerinde elektrik üretiminin dijitalleştirilmesi ve yüksek verimlilikle çalıştırılması

    TOLGA YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞÇE DEMİRDELEN

  4. Tez No

    762139

    Makine öğrenimi tabanlı fotovoltaik çıkış gücü tahminlemesi

    Machine learning based photovoltaic output power forecasting

    BERRİN ERYILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EnerjiDicle Üniversitesi

    Yenilenebilir Enerji Kaynakları

    DOÇ. DR. FATİH KOÇYİĞİT

    DR. ÖĞR. ÜYESİ HEYBET KILIÇ

  5. Tez No

    875301

    Bulanık analitik hiyerarşi prosesi ve makine öğrenmesi yöntemleri ile güneş enerjisi santralleri için yer seçimi: Batı Akdeniz örneği

    Site selection for solar power plants with fuzzy analytic hierarchy process and machine learning methods: The case of the West Mediterranean

    İSMAİL YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    CoğrafyaAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDÜLKADİR KOÇER

    DR. ERCÜMENT AKSOY

Geri Dön