Fotovoltaik enerji sistemleri için öngörü modellerinin geliştirilmesi: Veri madenciliği ve derin öğrenme yaklaşımları
Development of forecasting models for photovoltaic energy systems: Data mining and deep learning approaches
- Tez No: 904671
- Danışmanlar: PROF. DR. MEHMET TAHİR GÜLLÜOĞLU, DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
PV enerji sistemleri, dünya çapında önde gelen yenilenebilir enerji sistemlerinden biridir. PV enerji üretiminin doğru bir şekilde tahmin edilmesi verimli enerji şebekelerinin korunması, enerji piyasasında bilinçli kararlar alınması ve bakım maliyetlerinin azaltılması açısından çok önemlidir. Güneş ışınımı ve sıcaklık, PV tesislerinde üretilen PV enerji miktarını doğrudan etkileyen iki meteorolojik değişkendir. Bu tez çalışmasının ilk aşamasında Harran Üniversitesi Güneş Enerji Santrali ve GAPYENEV Merkezi'nden alınan santral ve meteoroloji istasyonu verileri üzerinde IBK, LR, RF, RT, MLP ve MLP Regresyonu dahil olmak üzere çeşitli makine öğrenmesi yöntemleri kullanılarak güneş ışınımı ve sıcaklığın tahmin edilmesi için kapsamlı bir model oluşturulmuştur. Sonrasında zaman serileri analizi için SES, ETS, HOLT, ARIMA ve HWES kullanılarak öngörü modelleri oluşturulmuştur. Hem güneş ışınımı hem de sıcaklık için günlük tahminlerin yanı sıra 5 dakikalık aralıklarla 1 adım sonrası için tahminler gerçekleştirilmiştir. PV tahmini için hassas modeller oluşturmak amacıyla her iki değişkeni de aynı metodolojiye tabi tutmak çok önemlidir. Güneş ışınımı ve sıcaklık tahmin değerleriyle elde edilen enerji verimi, PV enerji santralinin gerçek enerji verimiyle karşılaştırmıştır. PR, PV tesis performansını değerlendirmek için kritik bir parametredir, bu nedenle PR hesaplaması yapılmıştır. Oluşturulan tüm makine öğrenmesi ve zaman serisi öngörü modellerinin RMSE, MAPE, MABE, MAE, MSE ve DAC gibi istatistiksel hata kriterlerine göre karşılaştırılması yapılarak detaylı analizi sunulmuştur. İkinci aşamada, derin öğrenme ile güneş ışınımı öngörü modelleri oluşturulmuştur. Toplanan yenilenebilir enerji verilerinin miktarı arttıkça ihtiyaç duyulan büyük veri analizi çözümlerinin elde edilmesinde derin öğrenme giderek daha önemli hale gelmektedir. Bu bağlamda, bu tez çalışmasında güneş ışınımı tahminine yönelik CNNve LSTM ağını içeren derin öğrenmeye dayalı hibrit bir model önerilmişve mevcut PV sistemleri üzerinde öngörü modelleri uygulanmıştır. Ayrıca, önerilen modellerin tahmin yeteneği, SVR ve FFNN gibi standart makine öğrenmesiyöntemleriyle karşılaştırmalı olarak değerlendirilmiştir. Modellerin tahmin yeteneğini ölçmek için RMSE, MAPE, MAE ve R2 gibi istatistiksel hata metrikleri kullanılmıştır.
Özet (Çeviri)
PV energy systems are one of the leading renewable energy systems worldwide. Accurate forecasting of PV energy production is crucial for maintaining efficient energy grids, making informed decisions in the energy market and reducing maintenance costs. Solar radiation and temperature are two meteorological variables that directly affect the amount of PV energy produced in PV plants. In the first part of this thesis, a comprehensive model for predicting solar irradiance and temperature is built using various machine learning methods including IBK, LR, RF, RT, MLP and MLP Regression on power plant and meteorological station data from Harran University SPP and GAPYENEV Center. Then, for time series analysis, forecasting models were built using SES, ETS, HOLT, ARIMA and HWES. For both solar irradiance and temperature, daily forecasts as well as 1-step forward forecasts at 5-minute intervals were performed. It is crucial to subject both variables to the same methodology to create accurate models for PV forecasting. The generated energy yield obtained from the solar irradiance and temperature forecast values is compared with the actual energy yield of the PV power plant. PR is a critical parameter for evaluating PV plant performance, so PR calculation was performed. A detailed analysis of all machine learning and time series prediction models is presented by comparing them according to statistical error criteria such as RMSE, MAPE, MABE, MAE, MSE and DAC. In the second part, solar irradiance prediction models were created with deep learning. As the amount of collected renewable energy data increases, deep learning is becoming increasingly important in obtaining the needed big data analysis solutions. Therefore, this thesis proposes a hybrid model for solar irradiance prediction based on deep learning including CNNand LSTMnetwork and applies prediction models on existing PV systems. Furthermore, the predictive ability of the proposed models is evaluated in comparison with standard machine learning methods such as SVRand FFNN. Statistical error metrics such as RMSE, MAPE, MAE and R2 are used to measure the predictive ability of the models.
Benzer Tezler
- Geliştirilen yeni bir yazılım ile rüzgar ve güneş enerji sistemlerinin analizi ve uygulaması
Development of a novel software for analysis and application in wind and solar energy systems
TELAT TÜRKYILMAZ
Doktora
Türkçe
2020
Mühendislik BilimleriBilecik Şeyh Edebali ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
- Enerji verimliliğine dayalı fotovoltaik güneş enerji santrali analizi ve tasarımı
Analysis and design of photovoltaic solar power plant based on energy efficiency
SÜLEYMAN GÜNEŞ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RIFAT HACIOĞLU
- Design and analysis of metamaterial based perfect absorbers
Metamalzeme bazlı mükemmel soğurucuların dizayn ve analizi
MAHMUT CAN SOYDAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. VAKUR BEHÇET ERTÜRK
PROF. DR. EKMEL ÖZBAY
- 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
- Yenilenebilir enerji sistemleri için şebeke bağlantılı yüksek verimli evirici tasarımı
Desing of highly efficent grid-connected inverter for renewable energy systems
EMRE AVCI
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET UÇAR