Solar energy power prediction system baseb on machine learning approaches
Makine öğrenme yaklaşımlarına dayalı güneş enerjisi gücü tahmin sistemi
- Tez No: 877126
- Danışmanlar: Assoc. Prof. Dr. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Güneş enerjisi, elektrik üretimi için önemli ve sürdürülebilir bir kaynaktır. Güneş enerjisi sistemlerinin optimizasyonu, verimliliklerini ve kullanımlarını en üst düzeye çıkarmak için gereklidir. Bu tez, güneş enerjisi optimizasyonu amacıyla makine öğrenme algoritmalarının, özellikle Destek Vektör Makinesi (SVM) ve Yapay Sinir Ağının (ANN) uygulanmasını araştırmaktadır. Araştırma, hava sıcaklığı, yüzey nemi, ışınım yoğunluğu, ozon seviyeleri, toplam çökebilir su buharı ve rüzgar hızı dahil olmak üzere güneş enerjisi üretimini önemli ölçüde etkileyen çeşitli meteorolojik parametrelerin tahmin edilmesine odaklanıyor. SVM ve ANN modellerinin performansı, tahmin edilen ve gerçek değerler arasındaki ortalama sapmayı ölçen Ortalama Karekök Hata (RMSE) metriği kullanılarak değerlendirilir. Sonuçlar, güneş enerjisi optimizasyonu için meteorolojik parametrelerin doğru bir şekilde tahmin edilmesinde SVM ve YSA modellerinin etkinliğini göstermektedir. SVM modeli 2,14 ila 16,49 arasında değişen genel bir RMSE elde ederken, YSA modeli 1,80 ila 14,23 arasında değişen RMSE ile üstün performans sergiliyor. Bu ölçümler, modelin meteorolojik parametrelerdeki değişiklikleri yakalama ve güvenilir tahminler sağlama yeteneğini belirtir. Ayrıca tez, StandardScaler kullanılarak özellik ölçeklendirme ve modellerin performansını artıran hiperparametre ayarlama süreci gibi kullanılan veri ön işleme tekniklerini de ele almaktadır. Sonuçların yorumlanmasını ve analizini kolaylaştırmak için çizgi grafikleri ve dağılım grafiklerini içeren görselleştirme teknikleri kullanılır. Bu çalışmanın bulguları, makine öğrenme teknikleri kullanılarak güneş enerjisi sistemlerinin optimizasyonuna ilişkin değerli bilgiler sunmaktadır. Meteorolojik parametrelerin doğru tahmini, güneş enerjisinden verimli bir şekilde yararlanılmasını sağlayarak sürdürülebilirliğin artmasına ve enerjinin iyileştirilmesine olanak sağlar. vii nesil. Bu araştırma, yenilenebilir enerji alanında devam eden çabalara katkıda bulunuyor ve güneş enerjisi optimizasyonunda daha fazla araştırma ve ilerlemenin yolunu açıyor.
Özet (Çeviri)
Solar energy is a crucial and sustainable source for electricity generation. The optimization of solar energy systems is essential to maximize their efficiency and utilization. This thesis explores the application of machine learning algorithms, specifically Support Vector Machine (SVM) and Artificial Neural Network (ANN), for the purpose of solar energy optimization. The research focuses on predicting various meteorological parameters that significantly impact solar energy generation, including air temperature, surface humidity, radiance intensity, ozone levels, total precipitable water vapor, and wind speed. The performance of the SVM and ANN models is evaluated using the Root Mean Squared Error (RMSE) metric, which quantifies the average deviation between the predicted and actual values. The results demonstrate the effectiveness of the SVM and ANN models in accurately predicting meteorological parameters for solar energy optimization. The SVM model achieves an overall RMSE ranging from 2.14 to 16.49, while the ANN model exhibits superior performance with RMSE ranging from 1.80 to 14.23. These metrics signify the model's ability to capture variations in meteorological parameters and provide reliable predictions. Moreover, the thesis delves into the data preprocessing techniques utilized, such as feature scaling using StandardScaler, and the hyperparameter tuning process, which enhances the models' performance. Visualization techniques, including line plots and scatter plots, are employed to facilitate the interpretation and analysis of the results. The findings of this study offer valuable insights into the optimization of solar energy systems using machine learning techniques. Accurate prediction of meteorological parameters enables the efficient harnessing of solar energy, leading to increased sustainability and improved energy vii generation. This research contributes to ongoing endeavors in the field of renewable energy and paves the way for further exploration and advancements in solar energy optimization.
Benzer Tezler
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- 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
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Türkiye elektrik piyasasında istatistiksel yöntem ve makine öğrenmesi algoritmaları kullanılarak kısa vadeli gün öncesi elektrik fiyatı tahmini için hibrit bir yaklaşım
A hybrid approach short-term day-ahead electricity price forecasting in the turkish power market using statistical method and machine learning algorithms
CEMRE NUR GÜNGÖR
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ITIR SATOĞLU
- WRF modeli ve makine öğrenmesi kullanılarak rüzgar enerjisi üretiminin tahmini: Akhisar bölgesi uygulaması
Wind energy production forecasting using WRF model and machine learning: A case study for the Akhi̇sar region
MELİKE ANDUV
Yüksek Lisans
Türkçe
2026
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ