Geri Dön

Güneş enerjisi santrali tasarım programları ve yapay zeka yardımıyla üretim tahminlerinin gerçek üretim değerleri ile karşılaştırılması: çivril örneği

Comparison of production estimates with actual production values using solar power plant design programs and artificial intelligence assistance: Civril example

PDF İndir

  1. Tez No: 969607
  2. Yazar: AHMET KESKİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AKİF DEMİRÇALI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Güneş enerji sistemleri, erişilebilirlik ve uygun maliyetiyle ulusal pazarda öne çıkarak yatırımcıların ilgisini çekmektedir. Kurulumdan önce, sistem gücü ve bölgenin coğrafi verileri simülasyon yazılımlarında işlenerek yıllık üretim tahminleri yapılır. Ancak bu yazılımlar, veri güncelliğini koruyamaması ve santral kayıplarını hesaba katmaması nedeniyle tahminlerde sapmalar yaşatabilir. Bu durumda yapay zeka modelleri devreye girerek daha doğru üretim tahminleri sağlayabilir. Makine öğrenmesi ve derin öğrenme yöntemleriyle meteorolojik verilerin yapay zeka tarafından işlenmesi, tahmin performansını artırmaktadır. Bu tezde ekstrem gradyan artırma (XGBoost), destek vektör regresyonu (SVR), çok katmanlı algılayıcı (MLP) ve uzun kısa süreli bellek (LSTM) modelleri kullanılarak fotovoltaik (FV) sistemlerin elektrik üretim tahminleri analiz edilmiş; elde edilen sonuçlar, PVSOL ve PVSYST gibi yaygın simülasyon yazılımlarıyla karşılaştırılmıştır. Gerçek üretim verileriyle yapılan değerlendirmeler, MLP ve XGBoost modellerinin düşük hata oranları ve yüksek doğruluk katsayısıyla daha güvenilir sonuçlar sunduğunu göstermiştir. Makine öğrenmesi yöntemleri, çevresel değişkenlere duyarlılığı sayesinde saha koşullarına daha uygun tahminler yaparken, PVSOL ve PVSYST yazılımlarının %2-10 arası sapma ile çalıştığı tespit edilmiştir. Bu bulgular, yapay zeka yöntemlerinin daha doğru üretim tahminleri için etkin bir alternatif olduğunu ortaya koymaktadır.

Özet (Çeviri)

Solar energy systems attract the attention of investors by standing out in the national market with their accessibility and cost-effectiveness. Prior to installation, the system power and geographic data of the region are processed in simulation software to make annual production estimates. However, these software may cause deviations in the estimates due to the fact that they cannot keep the data up-to-date and do not take into account the power plant losses. In this case, AI models can step in and provide more accurate production forecasts. Processing of meteorological data by artificial intelligence with machine learning and deep learning methods increases forecast performance. In this thesis, electricity production estimates of photovoltaic (PV) systems were analyzed using extreme gradient augmentation (XGBoost), support vector regression (SVR), multilayer perceptron (MLP) and long short-term memory (LSTM) models. The results obtained were compared with common simulation software such as PVSOL and PVSYST. Evaluations with actual production data have shown that the MLP and XGBoost models offer more reliable results with low error rates and a high coefficient of accuracy. While machine learning methods make predictions that are more suitable for field conditions thanks to their sensitivity to environmental variables, it has been determined that PVSOL and PVSYST software work with a deviation of 2-10%. These findings reveal that artificial intelligence methods are an effective alternative for more accurate production predictions.

Benzer Tezler

  1. Tez No

    896417

    Yapay zeka yardımıyla güneş enerjisi üretim tahminlemesi ve gerçekleşen üretim değerleri ile tasarım programı çıktılarının karşılaştırmalı analizi

    Solar energy production estimation with the help of artificial intelligence and comparative analysis of realized production values and design program outputs

    GAMZE MERSİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriEge Üniversitesi

    Güneş Enerjisi Ana Bilim Dalı

    PROF. DR. MELİH SONER ÇELİKTAŞ

  2. Tez No

    828927

    A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  3. Tez No

    752411

    Optimal Sizing and techno-economic design of Al-Fashir (Sudan) solar power station

    Al-Fashir (Sudan) güneş elektrik santralinin optimal boyutlandırması ve tekno-ekonomik tasarımı

    ABDALFTAH HAMED MOHAMMED ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    EnerjiEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATABAK NAJAFI

  4. Tez No

    504890

    Rüzgar türbinleri için karşılaştırmalı kalıcı mıknatıslı senkron generatör tasarımı ve analizi

    Comparative design and analysis of permanent magnet synchronous generator for wind turbines

    HASAN BASRİ ALTINTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiNecmettin Erbakan Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MÜMTAZ MUTLUER

  5. Tez No

    398560

    Güneş ışınım şiddeti tahminine örüntü tarama tabanlı yeni bir yaklaşım

    A novel pattern search based approach to solar radiation forecasting

    FATİH SERTTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    EnerjiAfyon Kocatepe Üniversitesi

    Yenilenebilir Enerji Sistemleri Ana Bilim Dalı

    DOÇ. DR. FATİH ONUR HOCAOĞLU

Geri Dön