Derin öğrenme ile güneş enerji santrallerinde üretim tahmini
Production prediction in solar power plants using deep learning
- Tez No: 865887
- Danışmanlar: DOÇ. DR. RAHİME CEYLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Her geçen gün artan endüstriyel faaliyetler, sürekli artan nüfus ve teknolojik aletlerin kullanımının giderek yaygınlaşması ile enerji tüketiminde de sürekli olarak bir artış meydana gelmektedir. Hem fosil yakıtların tükenmek ile karşı karşıya oluşu hem de doğaya olumsuz etkilerinden dolayı yenilenebilir enerji kaynaklarına olan talep gün geçtikçe artmaktadır. Söz konusu bu artış ile elektrik enerjisinin üretimi ile tüketimi arasındaki dengenin sağlanmasına katkı sunmak amacı ile bu çalışma gerçekleştirilmiştir. Çalışmada güneş enerji santrallerinin üretim tahminlerinde kullanılan dört popüler derin öğrenme modeli olan Uzun Kısa Süreli Bellek (UKSB), Çok Katmanlı Algılayıcılar (ÇKA), Tekrarlayan Sinir Ağları (TSA) ve Kapı Kontrollü Tekrarlayan Birimler (KKTB) yöntemleri incelenmiş ve elde edilen sonuçlar neticesinde TSA ve KKTB modellerinin diğerlerine göre daha yüksek tahmin başarısı sergilediği tespit edilmiştir.
Özet (Çeviri)
As industrial activities increase day by day, the population continuously grows, and the use of technological devices becomes more widespread, there is a consistent increase in energy consumption. Due to the impending depletion of fossil fuels and their negative effects on the environment, the demand for renewable energy sources is steadily increasing. This study has been conducted with the aim of contributing to the balance between the production and consumption of electrical energy in light of this increasing demand. The study examines four popular deep learning models used in production forecasts of solar power plants: Long Short-Term Memory (LSTM), Multilayer Perceptrons (MLP), Recurrent Neural Networks (RNN), and Gated Recurrent Units (GRU). The results indicate that the RNN and GRU models demonstrate higher prediction accuracy compared to the others.
Benzer Tezler
- Güneş enerji santrallerinde derin öğrenme ile aylık elektrik üretim tahmini
Monthly Electricity Production Forecast with Deep Learning in Solar Power Plants
ÖMER ÇETİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ HAKAN IŞIK
- Güneş ve rüzgâr enerji santrallerinde üretim değerlerinin iklim parametrelerine bağlı olarak yapay zekâ yöntemleri ile tahmini ve güneş enerjisi fizibilite yazılımının geliştirilerek üretim tahmininin yapılması
Estimation of production values in solar and wind power plants with artificial intelligence methods based on climate parameters and production estimation by developing solar energy feasibility software
AYTEN GEÇMEZ
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
DOÇ. DR. ÇETİN GENÇER
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Güneş enerjisi santrallerinde derin öğrenme kullanılarak elektrik üretimi tahmininin yapılması
Estimation electricity generation using deep learning on solar power plants
YUNUS EMRE KIYMAZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. HİDAYET OĞUZ
- Çatı üstü fotovoltaik santraller için yapay zeka tabanlı enerji üretim tahmini
Artficial intelligence – based energy generation estimating for rooftop photovoltaic plants
AGHASALIM GULIYEV
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK EFE