Geri Dön

Machine learning in solar energy utilization

Solar enerji kullanımında makine öğrenmesi

PDF İndir

  1. Tez No: 884123
  2. Yazar: BURCU ORAL
  3. Danışmanlar: PROF. DR. RAMAZAN YILDIRIM
  4. Tez Türü: Doktora
  5. Konular: Kimya Mühendisliği, Chemical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kimya Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 227

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

  1. Tez No

    877126

    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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. SEFER KURNAZ

  2. Tez No

    828927

    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

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  3. Tez No

    856705

    Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi

    Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data

    EREN POLATCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. HAYRİ HAKAN DENLİ

  4. Tez No

    850135

    Hibrit güç üretimi tahmininde makine öğrenimi algoritmalarının performans analizi

    Performance analysis of machine learning algorithms in hybrid power generation prediction

    BEGÜM UZUNOKUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiHarran Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. GENCAY SARIIŞIK

  5. Tez No

    714364

    Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini

    Solar radiation forecasting using system identification machine learning and deep learning models

    GÖKSEL KADER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ÖNDER GÜLER

Geri Dön