Gelişmiş derin öğrenme algoritmaları kullanılarak güneş enerjisi santrallerinin aylık ve yıllık enerji üretiminin simülasyonu ve tahmini
Simulation and prediction of monthly and annual energy production of solar power plants using advanced deep learning algorithms
- Tez No: 999602
- Danışmanlar: DR. ÖĞR. ÜYESİ İRFAN ÖKTEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, güneş enerjisi santrallerinin elektrik üretim miktarlarını tahmin etmeye yönelik farklı makine öğrenmesi ve derin öğrenme modellerinin performansları karşılaştırılmıştır. Araştırma kapsamında, dört farklı ilde faaliyet gösteren beş ayrı enerji santralinden elde edilen tarihsel enerji üretim verileri ve ilgili lokasyonlara ait meteorolojik parametreler kullanılarak kapsamlı bir veri seti oluşturulmuştur. Model eğitim ve test süreçlerinde; geleneksel yöntemlerden Doğrusal Regresyon (Linear Regression) ve Destek Vektör Regresyonu (Support Vector Regression, SVR); modern topluluk öğrenme algoritmalarından CatBoost, zaman serisi analizlerinde kullanılan Prophet; ve tekrarlayan sinir ağı mimarilerinden Uzun Kısa Süreli Bellek (LSTM) ile GRU-LSTM hibrit modelleri kullanılmıştır. Ayrıca, uzamsal ve zamansal özellikleri birlikte işleyebilen hibrit CNN-LSTM mimarisi de çalışmaya dahil edilmiştir. Geliştirilen modellerin tahmin başarıları; Ortalama Mutlak Hata (MAE), Kök Ortalama Kare Hatası (RMSE), Ağırlıklı Ortalama Mutlak Yüzde Hatası (WMAPE) ve Belirleme Katsayısı (R2) metrikleri üzerinden değerlendirilmiştir. Elde edilen bulgular, meteorolojik verilerin modele dahil edilmesinin ve hibrit derin öğrenme yapılarının, özellikle değişken hava koşullarında karmaşık veri örüntülerini yakalamada sağladığı katkıyı ortaya koymaktadır.
Özet (Çeviri)
In this thesis, the performance of various machine learning and deep learning models designed to forecast the electricity generation of solar power plants is compared. Within the scope of the research, a comprehensive dataset was constructed using historical energy production data obtained from five distinct power plants operating in four different provinces, along with meteorological parameters specific to the respective locations. For the model training and testing processes, the study utilized Linear Regression and Support Vector Regression (SVR) as traditional methods; CatBoost as a modern ensemble learning algorithm; Prophet for time-series analysis; and Long Short-Term Memory (LSTM) along with GRU-LSTM hybrid models representing recurrent neural network architectures. Furthermore, the hybrid CNN-LSTM architecture, capable of simultaneously processing spatial and temporal features, was incorporated into the study. The forecasting performance of the developed models was evaluated using Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Weighted Mean Absolute Percentage Error (WMAPE), and Coefficient of Determination R2 metrics. The obtained findings demonstrate the contribution of incorporating meteorological data into the models and highlight the effectiveness of hybrid deep learning structures in capturing complex data patterns, particularly under variable weather conditions.
Benzer Tezler
- 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
- Farklı makine öğrenme yöntemleri ile güneş panellerinin enerji üretim tahmini
Estimation of solar panel energy production with different machine learning methods
ZEKİ ARSLAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYozgat Bozok ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET EMİN ŞAHİN
- Hibrit sistemlerin ekonomik olarak sürdürülebilirlik analizi
Economical sustainability analysis of hybrid systems
CEREN CEYLAN
Doktora
Türkçe
2025
EnerjiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA YUMURTACI
- 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
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Fotovoltaik güç tahmininde yeni yaklaşımlar
New approaches to photovoltaic power estimation
KÜBRA KAYSAL
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH ONUR HOCAOĞLU