Enhancing maximum power point tracking through ensemble learning techniques
Topluluk öğrenme teknikleri yoluyla maksimum güç noktası takipini geliştirme
- Tez No: 877140
- Danışmanlar: YRD. DOÇ. DR. ZAID HAMODAT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Maksimum Güç Noktası Takibi (MPPT), fotovoltaik (PV) güneş enerjisi sistemlerinde mevcut gücün çıkarılmasını optimize etmek için önemli bir yöntemdir. Bu teknik, enerji dönüşüm verimliliğini artırır ve yenilenebilir enerji kaynaklarının etkinliğini artırmaya yönelik devam eden çabalarla uyumludur. Bu tez, özellikle güneş enerjisi üretimi ve güneş radyasyonu tahminine odaklanarak, güneş enerjisi olgusunun tahmine dayalı modellemesine ilişkin sistematik bir araştırma sunmaktadır. Doğrusal Regresyon (LR), Destek Vektör Regresyonu (SVR) ve XGBoost Regressor'un yanı sıra Topluluk Öğrenme (EL) yaklaşımı da dahil olmak üzere çeşitli bireysel makine öğrenimi modellerinin kapsamlı değerlendirmesi yoluyla çalışma, güneş enerjisi modellemenin karmaşıklıklarını ve nüanslarını aydınlatıyor. enerji sistemleri. Analiz iki farklı veri seti üzerinde gerçekleştirildi: Güneş Enerjisi Üretimi ve Güneş Radyasyonu Tahmini. Bireysel modeller, çeşitli istatistiksel ölçümler kullanılarak titizlikle değerlendirildi ve değişen derecelerde doğruluk, uyum ve performans ortaya çıkarıldı. Dikkate değer bir keşif, her iki veri kümesinde bireysel modellerden sürekli olarak daha iyi performans gösteren Bagging Regressor gibi teknikleri kullanan Topluluk Öğrenme modelinin etkinliğiydi. EL yaklaşımı, birden fazla temel modelin tahminlerini ustaca bir araya getirerek, hem güneş enerjisi üretimi hem de güneş radyasyonundaki varyansın etkileyici bir oranını açıklayarak üstün tahmin doğruluğu elde etti. Bu araştırmanın bulguları, güneş enerjisi modellemesinin anlaşılmasına önemli ölçüde katkıda bulunarak, topluluk öğreniminin tahmin doğruluğunu artırmak için güçlü ve çok yönlü bir araç olduğunu onaylıyor. Üstelik karşılaştırmalı analiz, farklı modelleme teknikleri arasındaki dengelere ışık tutarak yenilenebilir enerji sektöründe gelecekteki araştırmalar ve pratik uygulamalar için rehberlik sunuyor. Bu tez, yalnızca güneş enerjisi tahmini alanında yeni bir ölçüt belirlemekle kalmıyor, aynı zamanda sürdürülebilir enerji yönetimi ve iklim yönetiminin daha geniş zorunluluklarıyla da uyum sağlıyor.
Özet (Çeviri)
Maximum Power Point Tracking (MPPT) is an essential method in photovoltaic (PV) solar systems for optimizing the extraction of available power. This technique enhances energy conversion efficiency and aligns with ongoing efforts to improve the effectiveness of renewable energy sources. This thesis presents a systematic investigation into the predictive modeling of solar energy phenomena, specifically focusing on solar power generation and solar radiation prediction. Through the comprehensive evaluation of various individual machine learning models, including Linear Regression (LR), Support Vector Regression (SVR), and XGBoost Regressor, as well as an Ensemble Learning (EL) approach, the study elucidates the complexities and nuances of modeling solar energy systems. The analysis was conducted on two distinct datasets: Solar Power Generation and Solar Radiation Prediction. The individual models were rigorously assessed using multiple statistical metrics, revealing varying degrees of accuracy, fit, and performance. A remarkable discovery was the efficacy of the Ensemble Learning model, employing techniques such as Bagging Regressor, which consistently outperformed the individual models across both datasets. By adeptly aggregating the predictions of multiple underlying models, the EL approach achieved superior predictive accuracy, explaining an impressive proportion of the variance in both solar power generation and solar radiation. The findings of this research contribute significantly to the understanding of solar energy modeling, endorsing ensemble learning as a potent and versatile tool for enhancing prediction accuracy. Moreover, the comparative analysis sheds light on the trade-offs between different modeling techniques, offering guidance for future research and practical applications within the renewable energy sector. This thesis not only sets a new benchmark in the field of solar energy forecasting but also aligns with the broader imperatives of sustainable energy management and climate stewardship.
Benzer Tezler
- Enhancing the performance of a maximum power point tracking system using an improved particle swarm optimization method
Gelişmiş parçacık sürü optimizasyonu yöntemiyle bir maksimum güç noktası takip sisteminin performansının iyileştirilmesi
MAMOON ABDULWAHHAB AHMED AHMED
Yüksek Lisans
İngilizce
2023
Mekatronik MühendisliğiBahçeşehir ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER İŞCAN
- 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
- Power management of PV-battery system based on artificial intelligent techniques
Başlık çevirisi yok
BALSAM MAJEED HAMEED ALRUBAIE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Solar power harvesting design for wireless communication based wireless sensor networks application
Kablosuz haberleşme tabanlı kablosuz sensör ağları uygulaması için güneş enerjisi hasat tasarımı
ABDULLAH FADHIL NOOR SHUBBAR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERKAN SAVAŞ
- Elektrikli araçların kablosuz şarjı için mikro şebeke istasyonunun performans değerlendirmesi
Performance evaluation of microgrid station for wireless charging of electric vehicles
ABUBAKER MILAD ABDALLA SHABAAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiÇankırı Karatekin ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH KORKMAZ