Machine learning in solar energy utilization
Solar enerji kullanımında makine öğrenmesi
- Tez No: 884123
- Danışmanlar: PROF. DR. RAMAZAN YILDIRIM
- Tez Türü: Doktora
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kimya Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, makine öğrenimi algoritmaları aracılığıyla güneş enerjisi kullanım süreçleri incelenmiştir. İlk olarak, konunun bibliyometrik analizi yapılmış, fotovoltaik ve hidrojenle ilgili güneş enerjisi uygulamalarının daha yaygın şekilde incelendiği görülmüştür; makine öğreniminin ise öngörü ve optimizasyon amaçlı olarak özellikle yapay sinir ağları ve derin öğrenme algoritmaları şeklinde uygulandığı görülmüştür. Bu tez için, en yaygın çalışılan güneş enerjisi teknolojileri olan, deniz suyunun arıtımı, boyaya duyarlı güneş pilleri ve foto(elektro)kataliz seçilmiştir. Bu konular için veriler, ilgili anahtar kelimelerle Web of Science veri tabanı araştırması kullanılarak toplanmış, analiz dili olarak da R kullanılmıştır. Ağaç tabanlı yöntemler, muhtemelen kategorik değişkenlerin çokluğundan dolayı, yüksek tahmin gücü vermiş, karar ağaçları ise özellikle tahminin zor olduğu durumlarda yüksek performansı sağlayabilecek kuralların çıkarılmasına yardımcı olmuştur. Kullanılan yarıiletkenlerin bant aralığı, oldukça başarılı biçimde tahmin edilebilirken, gaz üretim hızı ve fotoakım yoğunluğu tahmininde hata daha yüksek olmuş, bu durumlarda karar ağacı algoritmasıyla sınıflandırma yapılarak yüksek performansı veren değişkenlerin aralıkları belirlenmiştir. Deniz suyu arıtma sonuçları, giren su ve havanın sıcaklıkları ile akış hızlarının deniz suyu arıtma performansı üzerinde daha büyük bir etkiye sahip olduğunu göstermiştir. Sentetik ve doğal boya duyarlı güneş hücrelerinin analizinde, boya tipinin performansı belirleyen en önemli değişken olduğunu ortaya koymuştur. Ayrıca sentetik boyalar için karşı elektrot tipi daha önemliyken, doğal boyalı güneş hücrelerinde elektrolit daha önemli çıkmıştır. Fotokataliz uygulamalarında, yarı iletkenlerin bant aralığının yarı iletkenin hazırlama yöntemine, fotoakım yoğunluğunun ise voltaj ve elektrolite bağlı olduğu bulunmuştur. Ayrıca eş-katalizör yüklemesi ve reaksiyon sıcaklığı sırasıyla gaz ve sıvı fazı CO2 indirgeme süreçlerinde önemli çıkmıştır.
Özet (Çeviri)
In this dissertation, the solar energy utilization processes were studied via machine learning algorithms. First, a bibliometric analysis of the topic was performed; it was observed that photovoltaics and hydrogen-related applications have been studied more extensively while machine learning, mostly neural network and deep learning algorithms, has been mainly used for forecasting and optimization. Desalination, dye-sensitized solar cells and photo(electro)catalysis, which are the most commonly studied solar technologies, were selected for further analysis in this dissertation. The data were collected using Web of Science database search with related keywords while R language was used for the analysis. Tree-based ensemble methods gave higher predictive power, apparently due to the presence of a large number of categorical variables; the decision trees were used to deduce heuristic rules for high performance, especially for the cases in which the predictive models were not successful. Although the band gaps of semiconductors were generally predicted successfully, the accuracy in the prediction of gas production rate and photocurrent density was lower; hence, the classification with a decision tree was employed to identify the range of input variables for high performance. Results in desalination analysis suggested that the inlet water and air temperatures and flow rates have a higher influence on the performance. The dye type was found to be the most important variable for the performance of both synthetic and natural dye solar cells; the type of counter electrode also becomes important for synthetic dyes whereas electrolyte is more influential in natural dye counterparts. In photocatalysis, it was also found that the band gap mostly depended on the preparation method of the semiconductor while the photocurrent density was affected by bias and electrolyte. For $CO_2$ reduction, the method used for co-catalyst deposition and reaction temperature were important for the gas and liquid phase systems, respectively.
Benzer Tezler
- Makine öğrenmesi destekli uydu görüntü analizi ile van ilinde güneş enerjisi potansiyelinin belirlenmesi
Determining the potential of rooftop solar energy systems in van province with machine learning supported satellite image analysis
TOLGA YILMAZ
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiVan Yüzüncü Yıl ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KARAKOYUN
- Solar energy power prediction system baseb on machine learning approaches
Makine öğrenme yaklaşımlarına dayalı güneş enerjisi gücü tahmin sistemi
MOHAMMED HIKMAT MUMTAZ AL-BAZI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. SEFER KURNAZ
- Yorumlanabilir (XAI) makine öğrenme yöntemleri ile fotovoltaik (PV) sistemlerin dahili etkileri kullanılarak verimlik tahmini
Efficiency prediction using the internal effects of photovoltaic (PV) systems with explainable (XAI) machine learning methods
İHSAN LEVENT
Yüksek Lisans
Türkçe
2026
EnerjiIğdır ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN IŞIK
- 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
- Hibrit enerji santrallerinde optimum üretim planlamasına yönelik yapay zekâ tabanlı optimizasyon algoritması geliştirilmesi
Development of an artificial intelligence-based optimization algorithm for optimal generation planning in hybrid power plants
KIRA KARABANOVA
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA FEZA CARLAK