İstanbul ili genelinde yapay sinir ağları ile güneş ışınımı tahmini ve bina ölçeğinde fotovoltaik sistemin verimlilik hesabı
Solar radiation prediction using artificial neural networks across İstanbul province and efficiency calculation of photovoltaic systems at building scale
- Tez No: 955344
- Danışmanlar: PROF. DR. FERİHA ERFAN KUYUMCU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Gedik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 85
Özet
Son on yılda, teknoloji alanında dünyada yaşanan çarpıcı değişimler ile birlikte artan enerji talebi ve küresel ısınmanın olumsuz etkileri de hızla artmaktadır. Bunun yanı sıra bu yaşanan hızlı değişim ve dönüşümle birlikte yenilenebilir enerjiye olan bağlılık her geçen gün daha da arttığı gözlenmektedir. Birleşmiş Milletler Çevre Programına göre 'fosil yakıt üretiminin gidişatının güvenli bir iklim geleceğiyle bağdaşmadığı vurgulanmakta ve fosil yakıt çıkarmaya devam etmekten uzaklaşma çağrısında bulunulmaktadır'[44]. Bahsedilen bu kaynaklar arasında ise fotovoltaik (PV) sistemler şehir ölçeğinde uygulanabilirliği ile dikkat çekmektedir. Ancak PV sistemlerinin verimliliği; güneş ışınımı, sıcaklık, gölgelenme, meteorolojik veriler ve şehir içi kirlilik gibi çok sayıda değişkene bağlı olarak dalgalanma göstermektedir. Büyük şehirlerde hızla artan nüfus ve enerji tüketimi, sürdürülebilir enerji üretimi arayışlarını zorunlu kılmaktadır. Bu bağlamda temel araştırma sorusu olarak şu sorudan yola çıkılmıştır:“İstanbul ili genelinde fotovoltaik sistemlerin verimliliği yapay sinir ağları kullanılarak nasıl optimize edilebilir ve bu optimizasyon sürdürülebilirlik hedeflerine nasıl katkı sağlar?”Çalışmanın ana hedefi, kentsel alanlarda fotovoltaik sistemlerin performansını iyileştirmek ve enerji üretim süreçlerinin etkinliğini artırmak üzere yapay sinir ağlarının optimizasyon potansiyelini ortaya koymaktır. Bu sayede, büyük şehirlerin sürdürülebilirlik stratejilerine somut ve yenilikçi bir katkı sağlanması amaçlanmaktadır. Çalışmanın ilk aşamasında, seçilen İstanbul ili ölçeğinde fotovoltaik (PV) sistemlerinin verimliliği üzerinde belirleyici etkisi bulunan güneşlenme süresi, atmosferik kirleticiler, termal değişkenlikler ve kentleşme yoğunluğu gibi temel çevresel ve iklimsel parametreler kapsamlı bir şekilde toplanmıştır. Bu verilere Meteoroloji Genel Müdürlüğünden elde edilen açık gün sayısı, ortalama nispi nem, ortalama hava basıncı, ortalama sıcaklık, toplam güneşlenme süresi, ortalama rüzgâr hızı ve toplam güneş ışınım şiddeti değerleri eklenmiştir[Ek-1]. Bundan sonra, elde edilen veriler, gelişmiş yapay sinir ağı algoritmalarıyla, uygun yöntem ile işlenmiş ve fotovoltaik sistemlerin (PV) farklı senaryolarda nasıl davranacağı modellenmiştir. Modelin eğitilmesi sırasında geçmiş yıllara ait gerçek üretim verileri de kullanılarak tahmin doğruluğu artırılmıştır. Elde edilen sonuçlar, yapay sinir ağlarının karmaşık değişkenler arasındaki ilişkileri başarılı bir şekilde öğrenebildiğini ve fotovoltaik (PV) sistemlerinin optimum çalışma koşullarını tespit etmek konusunda etkili olduğu öngörülebilmiştir. Özellikle gölgeleme etkisi, sıcaklık dalgalanmaları ve kirlenme gibi faktörlerin enerji verimliliğine olan etkileri daha hassas bir şekilde analiz edilmiş ve enerji üretiminde %15'e varan artış potansiyeli ortaya konulmaktadır. Sonuç olarak, bu tez çalışması, büyük şehirlerde sürdürülebilir enerji yönetimi için yapay zeka tabanlı bir yol haritası sunmakta ve kent ölçeğinde fotovoltaik uygulamaların optimizasyonu konusunda yenilikçi bir yaklaşım önermektedir. Bu yaklaşım, çevresel etkileri azaltmakla kalmayıp, aynı zamanda şehirlerin enerji bağımsızlığını güçlendirecek bir model olarak değerlendirilmektedir. Bu kapsamda, yapılan bu çalışma, şehirlerin elektrik altyapılarında ekonomik kazanç, zamandan tasarruf ve karbon ayak izinin azaltılması ile İstanbul ili geneli verimlilik hesabı açısından iyi bir uygulama olması öngörülmektedir.
Özet (Çeviri)
Over the past decade, significant technological advancements have occurred alongside an increasing demand for energy, which, combined with the accelerating adverse effects of global warming, has become increasingly evident. Furthermore, this rapid transformation has led to a steady increase in reliance on renewable energy sources. The United Nations Environment Programme emphasizes that“the trajectory of fossil fuel production is incompatible with a secure climate future, and there is a call to shift away from continued fossil fuel extraction.”[44]. Within these energy sources, photovoltaic (PV) systems have garnered significant attention due to their feasibility at the urban scale. Nonetheless, the efficiency of PV systems is influenced by a diverse range of factors, including solar radiation, temperature, shading, meteorological data, and urban pollution. The rapid growth of population and energy consumption in large cities necessitates the search for sustainable energy production solutions. In this context, the central research question is framed as follows:“How can the efficiency of photovoltaic systems in large cities be optimized using artificial neural networks, and what contribution does this optimization make to sustainability objectives?”The principal objective of this study is to investigate the potential of artificial neural networks in optimizing the performance of photovoltaic systems within urban environments and enhancing the efficiency of energy production processes. Through this inquiry, the study seeks to make an innovative and substantive contribution to the sustainability strategies of prominent stakeholders in urban settings. During the initial phase of the study, crucial environmental and climatic parameters that significantly affect the efficiency of photovoltaic (PV) systems- such as the duration of sunlight, atmospheric pollutants, thermal variability, and urban density- were meticulously collected. Meteorological data sourced from the General Directorate of Meteorology, including the number of clear days, average relative humidity, average atmospheric pressure, average temperature, total sunlight duration, average wind speed, and overall solar radiation intensity, were integrated into the dataset[Annex-1]. Following this, the data underwent processing using advanced artificial neural network algorithms, enabling the modeling of photovoltaic system performance across various scenarios. To enhance the accuracy of predictions, authentic production data derived from previous years were incorporated during the model training process. The results indicate that artificial neural networks are highly effective at identifying the complex interrelations between various variables and optimizing the operational conditions of PV systems. Specifically, the impacts of shading, temperature fluctuations, and pollution on energy efficiency were analyzed with greater precision, revealing the potential for up to a 15% increase in energy production. In conclusion, this thesis presents a comprehensive roadmap centered on artificial intelligence for sustainable energy management in large urban areas and proposes an innovative methodology aimed at optimizing urban-scale photovoltaic systems. This methodology not only alleviates environmental impacts but also enhances the energy independence of cities, thereby providing a resilient model for future development. Within this framework, the study is anticipated to contribute significantly to advancements in energy infrastructure by generating economic benefits, conserving time and minimizing carbon footprints, thereby establishing it as one of the exemplary contributions of the 21st century.
Benzer Tezler
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- Climate change impacts on catchment-scale extreme rainfall variability
İklim değişiklinin havza ölçeğinde ekstrem yağışlar değışkenliğine etkileri
ALI DANANDEH MEHR
Doktora
İngilizce
2016
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN KAHYA
- İstanbul ili genelinde görev yapan aile hekimlerinin antidepresan reçetelemesini etkileyen faktörler
Factors affecting prescription of antidepressant medications by family physicians in Istanbul province
ABDULLAH YILDIRIM
Tıpta Uzmanlık
Türkçe
2013
PsikiyatriSağlık BakanlığıPsikiyatri Ana Bilim Dalı
UZMAN OYA GÜÇLÜ
UZMAN NEZİH ERADAMLAR
- Göç,uyum,sorunlar Başakşehir'de yaşayan Suriyeli göçmenler örneği
Miğration,adaptation problems example of Syrian i̇mmigrants living i̇n Başakşehir
ZEYNEP HANPOLAT
Yüksek Lisans
Türkçe
2019
Siyasal Bilimlerİstanbul Yeni Yüzyıl ÜniversitesiSiyaset Bilimi ve Uluslararası İlişkiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜDAYİ SAYIN