Güneş enerjisi santralleri için hava tahmin servis verilerini kullanarak makine öğrenmesi destekli web tabanlı üretim tahmini
Machine learning supported web-based production forecasting using weather forecast service data for solar power plants
- Tez No: 934103
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Energy, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya nüfusu ve teknolojik gelişmelerin sürekli artmasıyla birlikte, enerji talebi tüm dünyada giderek daha fazla hissedilmektedir. Fosil yakıtların çevresel etkilerini azaltmak amacıyla sürdürülebilir enerji kaynakları arasında yer alan güneş enerjisi, küresel enerji dönüşümünde kritik bir öneme sahiptir. Enerji üretim tahminleri, arz- talep dengesi, şebeke stabilitesi ve maliyet optimizasyonu açısından hayati bir rol oynamaktadır. Ayrıca, doğru ve güvenilir üretim tahminleri, yenilenebilir enerji kaynaklarının entegrasyonunu kolaylaştırmak ve enerji sistemlerinin verimliliğini artırmak için gereklidir. Bu çalışmada, Denizli ilindeki bir güneş enerji santraline ait iki yıllık üretim verileri ve Solcast API servisinden elde edilen hava durumu verileri kullanılmıştır. XGBoost, Extra Trees, k-Nearest Neighbor, Gradient Boosting, Random Forest ve Linear Regression gibi makine öğrenmesi algoritmalarının performansı değerlendirilmiştir. Elde edilen sonuçlar, Extra Trees modelinin bir günlük tahminlerde Ortalama Kare Hata değeri 24.290, Kök Ortalama Kare Hata değeri 4.928, Ortalama Mutlak Hata değeri 3.123 ve R² skoru 0.993 ile en iyi performansı gösterdiğini ortaya koymaktadır. Beş günlük ve bir haftalık tahminlerde ise Extra Trees ve Random Forest modelleri benzer performans sergileyerek diğer algoritmalardan daha başarılı sonuçlar üretmiştir. Bu çalışma, güneş enerjisi üretiminin daha güvenilir bir şekilde tahmin edilmesine katkıda bulunarak yenilenebilir enerji kaynaklarının entegrasyonunu kolaylaştırmakta ve enerji yönetim sistemlerinin optimizasyonu için önemli bir potansiyel sunmaktadır.
Özet (Çeviri)
As the global population continues to grow and technological advancements progress, energy demand is becoming increasingly noticeable worldwide. Solar energy, which is among the sustainable energy sources to reduce the environmental impact of fossil fuels, has a critical role in the global energy transition. Energy generation forecasts play a vital role in supply-demand balance, grid stability and cost optimization. Moreover, accurate and reliable generation forecasts are essential to facilitate the integration of renewable energy sources and improve the efficiency of energy systems. In this study, two years of production data from a solar power plant in Denizli province and weather data obtained from Solcast API service are used. The performance of machine learning algorithms such as XGBoost, Extra Trees, k-Nearest Neighbors, Gradient Boosting, Random Forest and Linear Regression are evaluated. According to the results obtained, the Extra Trees model demonstrated the best performance in one- day predictions with a Mean Square Error value of 24.290, Root Mean Square Error value of 4.928, Mean Absolute Error value of 3.123, and an R² score of 0.993. For five-day and one-week predictions, Extra Trees and Random Forest models showed similar performance, producing more successful results than other algorithms. This study contributes to a more reliable estimation of solar power generation, facilitating the integration of renewable energy sources and offering significant potential for the optimization of energy management systems.
Benzer Tezler
- Hava durumunun enerji tedariki üzerindeki etkisi: Kahramanmaraş Adıyaman bölgesindeki güneş enerjisi santrallerinin incelenmesi örneği
The impact of weather on energy supply - Examination of solar power plants in Kahramanmaraş and Adıyaman region
NİDA ÖZDOĞAN
Yüksek Lisans
Türkçe
2021
EnerjiKahramanmaraş Sütçü İmam ÜniversitesiUluslararası Ticaret ve Lojistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF SELİM EREN
- Makine öğrenmesi yöntemiyle yenilenebilir güneş enerjisi üretiminin meteorolojik veriler kullanılarak tahmin analizi
Prediction of renewable solar energy production from meteorological data using machine learning methods
NACİYE MACİT SEZİKLİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gelişim ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜMİT ALKAN
PROF. DR. METİN ZONTUL
- Yüzer güneş enerjisi santrallerinin (YGES) konuşlandırılmasında bulanık örtüştürmeye dayalı bir optimizasyon metodolojisi: YGES elverişli rezervuar yüzeyi
An optimization methodology to deployment of floating photovoltaics (FPV) based on fuzzy overlay: FPV convenient reservoir surface
MEHMET SEREN KORKMAZ
Doktora
Türkçe
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DURAN ŞAHİN
- Açık deniz rüzgar ve güneş enerji sistemlerinin enerji üretim değerlerinin üç farklı bölge için tahmini
Estimated energy production values of offshore wind and solar energy systems for three different regions
RÜMEYSA HÜLYA BALCI
Yüksek Lisans
Türkçe
2024
EnerjiEskişehir Teknik Üniversitesiİleri Teknolojiler Ana Bilim Dalı
PROF. DR. ÜMMÜHAN BAŞARAN FİLİK
- Türkiye'de rüzgar enerjisi santralları için teşvik uygulamaları ve bilgisayar programı ile irdelenmesi
The analysis of wind energy support mechanisms in Turkey and the evaluation by computer program
İBRAHİM HALİL KILIÇ
Yüksek Lisans
Türkçe
2016
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. ASİYE BERİL TUĞRUL