Güneş enerjisi santrallerinde yapay zeka destekli enerji üretim tahmini yöntemlerinin geliştirilmesi
Developing AI-assisted energy generation estimation methods in solar power plants
- Tez No: 959372
- Danışmanlar: DOÇ. DR. GÖKAY BAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Enerji Sistemleri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 68
Özet
Yenilenebilir enerji kaynakları, küresel enerji talebinin karşılanmasında giderek daha önemli bir rol oynamaktadır. Güneş enerjisi, en çok ve temiz yenilenebilir enerji kaynaklarından biridir. Türkiye, güneş enerjisi potansiyeli açısından oldukça zengin bir ülkedir. Bu nedenle, Türkiye'de güneş enerjisi santrallerinin kurulumu ve kullanımı son yıllarda hızla artmaktadır. Bu tez çalışmasında, Bursa Teknik Üniversitesi Mimar Sinan Kampüsü'nde şebeke bağlantılı lisanssız bir fotovoltaik güneş enerjisi santralinin fizibilitesinin araştırılması ve enerji tahmini için akıllı yöntemlerin geliştirilmesi amaçlanmaktadır. Tasarım yapılırken, kampüsün güneşlenme süresi, sistemin büyüklüğü ve sistemin maliyeti gibi faktörler dikkate alınmıştır. Enerji üretiminin tahmini için dört farklı model uygulanmıştır: Rastgele Orman (Random Forest- RF), Uzun Kısa Süreli Bellek Ağı (Long Short-Term Memory - LSTM), Doğrusal Regresyon (Linear Regression) ve Karar Ağacı (Decision Tree - DT). Bu modeller, güneş ışınımı, sıcaklık, nem ve tarihsel üretim verileri gibi parametreler kullanılarak eğitilmiştir. Modellerin performansları; Kök Ortalama Kare Hatası (RMSE), Ortalama Mutlak Hata (MAE), Ortalama Mutlak Yüzde Hata (MAPE) ve Determinasyon Katsayısı (R²) gibi benchmark metrikleriyle değerlendirilmiştir. Ayrıca çalışmada, Türkiye'deki enerji projelerinin gerçekleştirilmesinde izlenmesi gereken yasal prosedürler ve mevzuat adımları detaylı olarak ele alınmıştır. Bu bölümün amacı, enerji yatırımlarının yalnızca teknik ve ekonomik boyutlarını değil, aynı zamanda hukuki çerçevesini de ortaya koyarak Türkiye'de enerji projelerinin nasıl bir süreç içerisinde yürütüldüğüne dair bütüncül bir bakış sunmaktır. Lisanssız üretimden başvuru süreçlerine, kurum izinlerinden proje onaylarına kadar olan adımlar açıklanarak, bu tür projelerin uygulanabilirliği ve sürdürülebilirliği hakkında karar vericilere ve yatırımcılara yol gösterici bilgi sağlanması hedeflenmiştir. Sonuçlar, LSTM ve RF modellerinin yüksek doğruluk ve düşük hata oranlarıyla öne çıktığını göstermiştir. Özellikle LSTM modeli, zaman serisi verilerindeki karmaşık ilişkileri daha başarılı şekilde modelleyerek enerji tahmininde en yüksek performansı sergilemiştir. Bu çalışmayla, kampüs ölçeğinde uygulanabilir bir fotovoltaik sistemin hem ekonomik fizibilitesi hem de üretim tahmini başarıyla sunulmuştur. Türkiye'deki enerji projelerinin teknik, ekonomik ve yasal yönleri bir arada değerlendirilerek, yenilenebilir enerji planlamalarında kapsamlı bir yaklaşım sunulmuştur.
Özet (Çeviri)
Renewable energy sources are playing an increasingly significant role in meeting global energy demand. Solar energy is one of the most abundant and clean renewable energy sources. Turkey is a country with considerable potential for solar energy. Accordingly, the installation and use of solar power plants in Turkey have increased rapidly in recent years. This thesis aims to investigate the feasibility of a grid-connected, unlicensed photovoltaic solar power plant at the Bursa Technical University Mimar Sinan Campus and to develop intelligent methods for energy forecasting. In the design process, factors such as the campus's sunshine duration, system size, and cost were taken into account. Four different models were applied for energy production forecasting: Random Forest (RF), Long Short-Term Memory (LSTM), Linear Regression, and Decision Tree (DT). These models were trained using parameters such as solar irradiance, temperature, humidity, and historical production data. The performance of the models was evaluated using benchmark metrics including Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), and the Coefficient of Determination (R²). Additionally, this study comprehensively addresses the legal procedures and regulatory steps required for implementing energy projects in Turkey. This section aims to provide not only the technical and economic aspects of energy investments but also their legal framework, thereby offering a holistic perspective on the processes through which energy projects are executed in Turkey. Steps ranging from unlicensed production applications to institutional approvals and project endorsements are explained in detail to provide guiding information to decision-makers and investors regarding the feasibility and sustainability of such projects. The results reveal that the LSTM and Random Forest models outperform others in terms of high accuracy and low error rates. In particular, the LSTM model demonstrated the highest performance by effectively capturing the complex relationships in time series data. Through this study, the economic feasibility and production forecasting of a campus-scale PV system have been successfully demonstrated. Moreover, by evaluating the technical, economic, and legal dimensions of energy projects in Turkey, the study offers a comprehensive approach for planning renewable energy systems.
Benzer Tezler
- Güneş panellerinde yapay zeka tabanlı görüntü işleme ile arıza tespiti
Fault detection of solar panels with computer vision methods
BURAK EGE ÖZCAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi
Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data
EREN POLATCAN
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ
- Türkiye'de bulunan güneş enerji santrallerindeki elektrik üretiminin araştırılması ve yapay zekâda modellenmesi
Investigation of electricity production in solar power plants in Turkey and modeling it in artificial intelligence
ÖMER OSMAN ORHAN
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriMalatya Turgut Özal ÜniversitesiDisiplinlerarası Biyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BEYZADE DEMİRPOLAT
- Güneş ve rüzgâr enerji santrallerinde üretim değerlerinin iklim parametrelerine bağlı olarak yapay zekâ yöntemleri ile tahmini ve güneş enerjisi fizibilite yazılımının geliştirilerek üretim tahmininin yapılması
Estimation of production values in solar and wind power plants with artificial intelligence methods based on climate parameters and production estimation by developing solar energy feasibility software
AYTEN GEÇMEZ
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
DOÇ. DR. ÇETİN GENÇER
- Güneş enerji santrallerinde derin öğrenme ile aylık elektrik üretim tahmini
Monthly Electricity Production Forecast with Deep Learning in Solar Power Plants
ÖMER ÇETİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ HAKAN IŞIK