Güneş ışınım tahmini için zaman serisi temelli yeni hibrit bir yaklaşım
A time series based new hybrid approach for solar radiation forecasting
- Tez No: 958849
- Danışmanlar: DOÇ. DR. SAİD MAHMUT ÇINAR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 123
Özet
Güneş ışınımı tahmini konusu, güneş enerjisi sistemlerinin verimliliğini artırmak, enerji üretimini optimize etmek ve şebeke yönetimini geliştirmek açısından kritik öneme sahiptir. Özellikle kısa vadeli tahminler, bulutluluk değişimleri gibi atmosferik dalgalanmaların enerji üretimi üzerindeki etkilerine hızlı bir şekilde uyum sağlanmasını mümkün kılarak, enerji arz ve talep dengesinin korunmasına katkıda bulunmaktadır. Literatürde, güneş ışınımı tahmini konusunda farklı veri setleri ve teknikler kullanılarak birçok çalışma gerçekleştirilmiştir. Tez kapsamında ilk olarak, Afyon Bölge İstasyonu'nda (ABİ) toplanan ve her biri saatlik formatta olan ışınım, ortalama hava sıcaklığı ve bağıl nem verilerinin farklı kombinasyonları kullanılarak çok değişkenli ridge regresyon (MRR) ve çok değişkenli lasso regresyon (MLR) yöntemleri kullanılarak tahminleme işlemi gerçekleştirilmiştir (BRBA yaklaşımı). İkincil olarak, veri setleri tek boyutlu ayrık dalgacık dönüşümü (DWT) tekniği ile farklı seviyelerde ayrıştırılmış ve ayrıştırma sonucunda elde edilen alt sinyaller için ayrı ayrı MRR ve MLR modelleri geliştirilerek tahminleme işlemi gerçekleştirilmiştir (WRBA yaklaşımı). Son olarak, farklı giriş veri seti kombinasyonları için oluşturulan DWT-MRR ve DWT-MLR modelleri ile yapılan tahminlerin etkinlikleri, kernel k-means algoritması kullanılarak sınırları belirlenen açıklık endeksi (CI) kümelerinde incelenmiş, sonrasında her bir kümede farklı modellerle gerçekleştirilen tahminlerin en iyi sonuçları verdiği tespit edilmiştir. Son olarak her kümede en iyi tahmin sonuçlarını veren modeller kullanılarak hibrit bir tahmin modeli oluşturulmuş ve en doğru sonuçlar bu hibrit modelle elde edilmiştir (CA-WRBA yaklaşımı). Önerilen yaklaşımlardan CA-WRBA ile yapılan tahminlerin sonuçlarına bakıldığında, çok bulutlu (MC) kümede ışınım ve bağıl nem verilerinin kullanıldığı DWT-MLR-V1 modeli, bulutlu (C) kümede ışınım, bağıl nem ve ortalama hava sıcaklığı verilerinin kullanıldığı DWT-MRR-V3 modeli ve az bulutlu (SC) kümede ise ışınım ve ortalama hava sıcaklığı verilerinin kullanıldığı DWT-MLR-V2 modeli en başarılı sonuçları verdiği belirlenmiştir. Sonuç olarak, her kümede en iyi sonucu veren modellerin hibritlenmesi ile altı aylık ve bir yıllık test dönemleri için oldukça başarılı tahmin sonuçları elde edilmiştir.
Özet (Çeviri)
Short-term solar radiation forecasting is critically important for improving the efficiency of solar energy systems, optimizing energy production, and enhancing grid management. In particular, short-term forecasts enable rapid adaptation to atmospheric fluctuations such as cloud cover variations, thereby contributing to the balance between energy supply and demand. In the literature, numerous solar radiation forecast studies have been conducted using different datasets and techniques. Within the scope of this thesis, initial forecasts were performed using multivariate ridge regression (MRR) and multivariate lasso regression (MLR) models based on different combinations of hourly data collected at the Afyon Regional Station (ABİ), including radiation, average air temperature, and relative humidity (BRBA approach). In the second phase, the datasets were decomposed using various levels of one-dimensional discrete wavelet transform (DWT). Separate MRR and MLR models were then developed for each resulting sub-signal to perform forecasting (WRBA approach). Finally, the performance of the DWT-MRR and DWT-MLR models—constructed for various input dataset combinations—was evaluated across clusters defined by the clearness index (CI) using the kernel k-means algorithm. Within each cluster, the models yielding the most accurate forecasts were identified. A hybrid forecasting model was then developed by integrating the best-performing models in each cluster, resulting in the most accurate predictions overall (CA-WRBA approach). According to the proposed CA-WRBA approach results, the DWT-MLR-V1 model utilizing radiation and relative humidity data provided the best forecasts in the mostly cloudy (MC) cluster. In the cloudy (C) cluster, the DWT-MRR-V3 model, which used radiation, relative humidity, and average air temperature, yielded the most accurate results. For the slightly cloudy (SC) cluster, the DWT-MLR-V2 model was the most successful based on radiation and average air temperature. By hybridizing the best-performing models from each cluster, highly accurate forecasts were achieved for both six-month and one-year testing periods.
Benzer Tezler
- Short-term solar power forecasting with artificial neural network models
Yapay sinir ağları modelleri ile kısa süreli güneş enerjisi tahmini
SEÇKİN GÖKÇE
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Enhancing photovoltaic system performance through NARX-LSTM forecasting and neuro-controller based MPPT techniques
NARX-LSTM tahmın ve nöro-denetleyici temelli MPPT teknikleri vasıtasıyla fotovoltaık sistem performansının artırılması
OUBAH ISMAN OKIEH
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Güneş ışınım tahmini için farklı güneşlenme durumlarını dikkate alan hibrit bir yöntem tasarımı
A hybrid method design that considers different insolation conditions for solar radiation forecasting
FATIMETOU HMEINDE MAHAM
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE AKARSLAN
- Building energy efficiency: A data-driven machine learning approach for energy optimization
Bina enerji verimliliği: Enerji optimizasyonu için veriye dayalı makine öğrenmesi yaklaşımı
AHMAD REZA DARABI
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN