Meteorolojik verilerden yararlanarak güneş enerji santralinin çıkış gücü tahmini
Forecasting output of a solar power plant using meteorological data
- Tez No: 952112
- Danışmanlar: DOÇ. DR. HEYBET KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Bu tezde, yenilenebilir enerji kaynaklarından biri olan güneş enerjisinin üretim tahminine yönelik bir model geliştirilmiştir. Güneş enerjisi; çevresel etkileri düşük, sürdürülebilirliği yüksek ve uzun vadede ekonomik bir enerji kaynağı olmasına rağmen, doğasından kaynaklı olarak yüksek derecede değişkenlik göstermektedir. Bu değişkenlik, enerji üretiminde süreksizliklere neden olmakta ve enerji planlaması ile şebeke yönetimi açısından önemli zorluklar doğurmaktadır. Bu nedenle, güneş enerjisi üretiminin güvenilir bir şekilde tahmin edilmesi, enerji yönetim sistemleri için kritik bir gereklilik haline gelmiştir. Tez kapsamında, zaman serisi verilerini işleyebilme yeteneği yüksek olan Uzun Kısa Süreli Bellek (Long Short-Term Memory - LSTM) mimarisi kullanılarak bir derin öğrenme modeli oluşturulmuştur. Modelin eğitimi ve test edilmesinde, Türkiye'nin belirli bir bölgesine ait gerçek zamanlı güneş paneli üretim verileri ile birlikte sıcaklık, nem, rüzgâr hızı ve güneşlenme süresi gibi meteorolojik parametreler kullanılmıştır. Verilerin ön işleme aşamasında normalizasyon, eksik veri tamamlama ve zaman kaydırmalı pencereleme teknikleri uygulanmıştır. Model performansının değerlendirilmesinde Ortalama Mutlak Hata (MAE), Kök Ortalama Kare Hatası (RMSE) ve R² gibi istatistiksel ölçütler kullanılmıştır. Elde edilen sonuçlara göre, geliştirilen LSTM modeli, geleneksel istatistiksel yöntemlere ve bazı makine öğrenmesi algoritmalarına kıyasla daha düşük hata oranları ile yüksek doğrulukta tahminler üretmiştir. Bu durum, LSTM tabanlı modellerin güneş enerjisi gibi zaman serisi doğasına sahip ve karmaşık değişkenlikler içeren veriler üzerinde oldukça başarılı olduğunu ortaya koymaktadır.
Özet (Çeviri)
In this thesis, a model has been developed for forecasting solar energy production, one of the most prominent renewable energy sources. Although solar energy is characterized by low environmental impact, high sustainability, and long-term economic viability, it also exhibits a high degree of variability due to its natural characteristics. This variability causes intermittency in energy generation and poses significant challenges for energy planning and grid management. Therefore, reliable forecasting of solar energy production has become a critical requirement for energy management systems. Within the scope of the study, a deep learning model based on the Long Short-Term Memory (LSTM) architecture, which is highly capable of processing time series data, was developed. For the training and testing of the model, real-time solar panel production data from a specific region of Turkey were used, along with meteorological parameters such as temperature, humidity, wind speed, and solar radiation duration. In the data preprocessing stage, techniques such as normalization, missing data imputation, and time-shifted windowing were applied. To evaluate the model's performance, statistical metrics including Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and the coefficient of determination (R²) were employed. The results showed that the developed LSTM model generated highly accurate predictions with lower error rates compared to traditional statistical methods and some machine learning algorithms. This demonstrates that LSTM-based models are particularly successful in handling complex variability inherent in time series data such as solar energy.
Benzer Tezler
- Forecasting of produced output electricity in photovoltaic power plants
Foto-voltaik güç santrallarında elektrik üretim tahmini
TARANEH SAADATI
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Analysis of hybrid wind-solar power plant for itu Ayazaga Campus
İTÜ Ayazağa Yerleşkesi için rüzgar/güneş hibrit güç santralı analizi
NIMA JAFARZADEH
Yüksek Lisans
İngilizce
2017
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
YRD. DOÇ. DR. BURAK BARUTÇU
- Bulanık mantık ve genetik algoritma yöntemleri kullanılarak parametre belirleme ve ölçeklendirme: Rüzgar türbini kurulum uygulaması
Parameter determination and scaling using fuzzy logic and genetic algorithm methods: Application of wind turbine installation
FATİH TOPALOĞLU
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN PEHLİVAN
- Investigation of transposition models, optimization of tilt angles, and solar radiation intensity for fixed and tracked south-facing solar photovoltaic surfaces in provinces of türkiye
Transpozisyon modellerinin incelenmesi, türkiye illerinde sabit ve güneş takipli güneye bakan fotovoltaik yüzeyler için eğim açılarının ve güneş radyasyon yoğunluğunun optimizasyonu
BATUR ALP AKGÜL
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiHasan Kalyoncu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SADETTİN ÖZYAZICI
- Artvin ili Borçka ilçesinde bulunan örnek bir yapının güneş enerjisi destekli soğurmalı soğutma sistemi ile ısıtılması ve soğutulması
Heating and cooling of a sample building in Borçka district of artvin province by solar energy assisted absorption cooling system
AHMET ATAMAN
Yüksek Lisans
Türkçe
2016
Makine MühendisliğiAtatürk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL SOLMUŞ