Three different approaches to photovoltaic power generation forecasting using hybrid MLP neural networks trained by optimization algorithms
Optimizasyon algoritmalarıyla eğitimlendirilmiş hibrit sinir ağları kullanılarak fotovoltaik enerji üretimi tahmininde üç farklı yaklaşım
- Tez No: 878324
- Danışmanlar: PROF. DR. OSMAN YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 85
Özet
Fotovoltaik üretimin belirsiz doğası, enerji yönetiminde bir zorluktur ve özellikle yüksek düzeyde güneş enerjisi nüfuzuna sahip şebekelerde yük ile güç üretimi arasında bir uyumsuzluk meydana gelebilir, bu nedenle PV üretim tahmin yöntemlerinin geliştirilmesi son zamanlarda dikkat çekmektedir. Bu araştırmada, kısa vadeli PV güç üretimi, üç hibrit modelle geçmiş üretim trendine göre MATLAB yazılımı kullanılarak tahmin edilmiştir. Çok katmanlı algılayıcı (MLP) sinir ağı (NN), tahmine dayalı ağ olarak uygulandı ve MLP NN'nin girdi ve gizli katman ağırlıkları matrisleri ve önyargı vektörü olan hiper parametrelerini belirleyerek modelin optimum performansını elde etmek için optimizasyon algoritmaları ile eğitildi. Gerçek ve tahmin değerleri arasındaki hatayı en aza indirmek amacıyla uygunluk fonksiyonu olarak RMSE dikkate alınmıştır. İlk modelde, parçacık sürüsü optimizasyonu (PSO) bir iç blok olarak kullanılıyor ve ağın hiperparametrelerini ayarlıyor. Emperyalist rekabetçi algoritma (ICA) ve genetik algoritma (GA), sırasıyla ikinci ve üçüncü modellerde ağ optimize edicilerdir. Veri seti olarak Belçika'daki Temmuz ve Ağustos 2022 (15 dakikalık aralıklarla) PV üretim verileri dikkate alınmıştır. Değerlendirme metrikleri, Ortalama Kare Hatası (MSE), Ortalama Karekök Hatası (RMSE), Ortalama Mutlak Hata (MAE), Ortalama Sapma Hatası (MBE), Belirleme Katsayısı (R2) ve normalleştirilmiş RMSE'yi (NRMSE) içeren altı farklı hatadır. Sonuçlar MLP NN ve PSO kombinasyonunun daha iyi performansa sahip olduğunu göstermektedir. Bu hibrit modelde hatanın az olması ve R2 değerinin yüksek olması, bu hibrit modelin zaman serisi tahmininde daha doğru çıktıya ve kabul edilebilir doğruluğa sahip olduğunu ifade etmektedir.
Özet (Çeviri)
The uncertain nature of photovoltaic generation is a challenge in energy management and may occur a mismatch between load and power generation notably in the grids with high levels of solar energy penetration, so the development of PV generation forecasting methods has received attention recently. In this research, short-term PV power generation has been forecasted using MATLAB software according to the past generation trend by the three hybrid models. Multilayer perceptron (MLP) neural network (NN) was implemented as the predictive network and trained by optimization algorithms for achieving the model's optimal performance by determining the hyperparameters of the MLP NN which are the input and hidden layer weights matrixes and biases vector. For the purpose of minimizing the error between actual and forecast values, RMSE was considered as the fitness function. In the first model, particle swarm optimization (PSO) is employed as an inner block and it tunes the hyperparameters of the network. Imperialist competitive algorithm (ICA) and genetic algorithm (GA) are the network optimizers in the second and third models respectively. PV generation data in July and August 2022 (15-minute intervals) in Belgium is considered as the data set. The assessment metrics are six different errors includes Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Bias Error (MBE), Coefficient of determination (R2), and normalized RMSE (NRMSE).
Benzer Tezler
- Forecasting-based hybrid model predictive controller for microgrid energy management
Mikro şebeke enerji yönetimi için tahmine dayalı hibrit model öngörümlü kontrol algoritması
AYŞEGÜL KAHRAMAN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT GÜZELİŞ
DR. ÖĞR. ÜYESİ EMRAH BIYIK
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- YSA tabanlı gün öncesi saatlik güneş ışınım kestirimi
A day ahead hourly solar irradiation forecasting with ANN
SİBEL ÇEVİK
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI ALTAŞ
- 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
- Bitki tabanlı optimizasyon algoritmaları ile fotovoltaik modellerin parametre tahmini
Parameter estimation of photovoltaic models with plant-based optimization algorithms
AYŞE BEŞKİRLİ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İDİRİS DAĞ