Fotovoltaik güç tahmini için jaya ve yapay sinir ağları tabanlı hibrit model geliştirilmesi
Development of a hybrid model based on jaya and artificial neural networks for photovoltaic power prediction
- Tez No: 884587
- Danışmanlar: PROF. DR. ERDAL IRMAK, DOÇ. DR. MEHMET YEŞİLBUDAK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 116
Özet
Fotovoltaik enerji sistemlerinin yatırım maliyetlerindeki düşüşler, fotovoltaik gücün kurulu güç içindeki payını artırmıştır. Bu nedenle, fotovoltaik enerji üretiminin izlenmesi, elektrik şebekesinin kararlılığı ve kalitesi için büyük önem taşımaktadır. Ancak, fotovoltaik güç üretimi hava koşullarına bağlı olarak sürekli değiştiğinden, bu gücün kontrolü zordur. Bu sorunun üstesinden gelmek için fotovoltaik güç üretiminin hassas bir şekilde tahmin edilmesi gereklidir. Bu tez çalışmasında, partikül madde (PM10) parametresinin fotovoltaik güç tahmini üzerindeki etkisi, iki farklı veri seti kullanılarak yapay sinir ağları (YSA) ile incelenmiştir. Birinci veri seti fotovoltaik güç, güneş ışınımı, hava sıcaklığı ve nem; ikinci veri seti ise fotovoltaik güç, güneş ışınımı, hava sıcaklığı ve PM10 parametrelerini içermektedir. Sonuçlar, hava kirliliği parametrelerinden biri olan PM10'un fotovoltaik güç tahmininde etkin bir giriş verisi olarak kullanılabileceğini göstermiştir. Ardından, fotovoltaik gücün doğru ve hassas bir şekilde tahmin edilmesi amacıyla, metasezgisel bir algoritma olan JAYA algoritması yapay sinir ağları ile birleştirilerek hibrit bir model geliştirilmiştir. Bu hibrit JAYA-YSA modelinde fotovoltaik güç, güneş ışınımı, hava sıcaklığı ve PM10 parametreleri giriş verisi olarak kullanılmıştır. JAYA-YSA modelinin tahmin doğruluğu, yalnızca YSA kullanılan modele göre oldukça yüksek bulunmuştur. Ayrıca, önerilen JAYA-YSA modeli, literatürde yaygın olarak kullanılan genetik algoritma ve parçacık sürü optimizasyonu tabanlı hibrit yapay sinir ağları modelleriyle karşılaştırıldığında, ortalama mutlak yüzdesel hata ve karekök ortalama hata açısından daha başarılı olmuştur.
Özet (Çeviri)
The decrease in investment costs of photovoltaic (PV) energy systems has increased the share of PV power within the total installed capacity. Therefore, monitoring PV energy production is of great importance for the stability and quality of the electrical grid. However, since PV power production continuously varies with weather conditions, its control is challenging. To address this issue, precise forecasting of PV power production is required. In this thesis, the impact of the particulate matter (PM10) parameter on PV power forecasting was examined using artificial neural networks (ANNs) with two different datasets. The first dataset includes PV power, solar radiation, air temperature, and humidity, while the second dataset comprises PV power, solar radiation, air temperature, and PM10 parameters. The results indicated that PM10, one of the air pollution parameters, could be used as an effective input for PV power forecasting. Subsequently, to achieve accurate and precise forecasting of PV power, a hybrid model was developed by integrating the JAYA algorithm, a metaheuristic algorithm, with ANNs. In this hybrid JAYA-ANN model, PV power, solar radiation, air temperature, and PM10 parameters were used as input data. The prediction accuracy of the JAYA-ANN model was significantly higher compared to the model using only ANNs. Furthermore, the proposed JAYA-ANN model was compared with hybrid ANN models commonly used in the literature based on genetic algorithms and particle swarm optimization, and it outperformed these models in terms of mean absolute percentage error and root mean square error.
Benzer Tezler
- Fotovoltaik güç tahmini için metasezgisel optimizasyon tabanlı hibrit model tasarımı ve analizi
Design and analysis of metaheuristic optimization-based hybrid model for photovoltaic power estimation
MEDİNE ÇOLAK
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN BAYINDIR
DOÇ. DR. MEHMET YEŞİLBUDAK
- Kısa dönemli fotovoltaik güç tahmini için geliştirilen yenilikçi bir hibrit modelin analizi ve uygulaması
Application and analysis of innovative hybrid model for short-term photovoltaic power forecasting
ALİ RİZA GÜN
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR
- Yapay sinir ağları kullanılarak fotovoltaik panel güç çıkışlarının tahmini ve sezgisel algoritmalar ile karşılaştırılması
Prediction of photovoltaic panel power outputs using artificial neural networks and comparison with heuristic algorithms
EROL GÜRGEN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EMRE DANDIL
- Güneş enerji sistemlerinin performans tahmini için yapay sinir ağları ile modellenmesi ve verimliliğin incelenmesi
Modeling solar systems using artificial neural networks for performance prediction and investigation efficiency
YASİN İÇEL
Doktora
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SALİH MAMİŞ
- Fotovoltaik sistemin yapay zeka algoritması ile güç tahmini
Power estimation of photovoltaic system with the artificial intelligence algorithm
SULTAN MEHTAP İZMİRLİ AYAN
Yüksek Lisans
Türkçe
2018
EnerjiKırklareli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRETTİN TOYLAN