Fotovoltaik sistemin güç üretiminin derin öğrenme modelleri ile tahmini
Prediction of power generation of the photovoltaic system with deep learning models
- Tez No: 655261
- Danışmanlar: PROF. DR. HALİT ERAY ÇELİK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Computer Engineering and Computer Science and Control, Statistics
- Anahtar Kelimeler: Yapay zeka, Yenilenebilir enerji, Çok değişkenli zaman serileri, Çoklu doğrusal regresyon, Artificial intelligence, Renewable energy, Multivariate time series, Multiple linear regression
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Fotovoltaik (PV) sistemlerin güç çıktısının doğru tahmin edilmesi, bu sistemlerin doğru planlanması ve gelecekteki yatırımların teşvik edilmesi açısından çok önemlidir. Türkiye bulunduğu konum itibarıyla güneş enerjisi potansiyeli bakımından avantajlıdır. Türkiye'nin en fazla güneşlenme süresine sahip illerinden biri ise Van'dır. PV sistemlerin güç üretimi bulunduğu konumdaki dış faktörlerden etkilenmektedir. Bu çalışmanın ilk bölümünde, Van Yüzüncü Yıl Üniversitesi'nde kurulu 17 kWp kapasiteli PV sistemin güç üretiminin, meteorolojik değişkenlerle olan ilişkisi, Çoklu Doğrusal Regresyon Analizi ile incelenmiş ve istatistiksel çıkarımlar yapılmıştır. İkinci bölümde ise PV sistem tarafından üretilen gücün tahmininde hibrit bir derin öğrenme modeli olan Convolutional Neural Networks–Long Short Time Memory (CNN-LSTM) önerilmiştir. Bu modelin başarısı Mevsimsel Otoregresif Entegre Hareketli Ortalama (SARIMA) modeli ve Uzun Kısa Süreli Bellek (LSTM) ile karşılaştırılmıştır. Regresyon Analizi sonucunda, Üretilen Güç (ÜG) değişkeninin Saatlik Güneşlenme Şiddeti (SGŞ) üzerinde en yüksek pozitif etkiye sahip olduğu görülmüştür. Ayrıca Saatlik Nispi Nem (SNN), Saatlik Rüzgâr Hızı (SRH), Saatlik Sıcaklık (SS) ve Saatlik Bulutluluk (SB) değişkenlerinin ÜG üzerinde istatistiksel olarak anlamlı bir etkiye sahip olduğu da saptanmıştır. Sıralı zaman serilerinin analizinde üretilen güç değişkeni bağımlı değişken ve meteorolojik değişkenler ise bağımsız değişken olarak kullanılmıştır. Elde edilen sonuçlara göre, önerilen CNN-LSTM modelinin en iyi tahmin performansına sahip olduğu sonucuna varılmıştır.
Özet (Çeviri)
Estimating the power output of photovoltaic (PV) systems is very important in terms of planning these systems correctly and encouraging future investments. Turkey has the potential for solar energy as a location. Located in the eastern part of Turkey, Van is one of the provinces with the most sunshine hours. Power generation is affected by external factors in the location of the PV system. In the first part of this study, the causal relationship of the power generated by the PV system (17 kWp capacity) installed in Van Yüzüncü Yıl University with meteorological variables was examined by Multiple Linear Regression Analysis and a statistical model was inferred. In the second part, a hybrid deep learning model Convolutional Neural Networks-Long Short-Time Memory (CNN-LSTM) is proposed. The success of this model has been compared with Seasonal Autoregressive Integrated Moving Average (SARIMA) model and Long Short-Time Memory (LSTM). As a result of the multiple linear regression analysis, it was seen that the UG variable had the highest positive effect on SGS. It was also found that the variables SNN, SRH, SS and SB had a statistically significant effect on the UG. In the analysis of sequential time series, the power variable produced between 2016-2018 was used as the dependent variable and the meteorological variables belonging to the same time period as independent variables. According to the results, it was concluded that the proposed CNN-LSTM model had the best prediction performance, and followed by CNN and SARIMA models, respectively.
Benzer Tezler
- Artificial neural network based maximum power point tracking algorithms in photovoltaic systems
Fotovoltaik sistemlerde yapay sinir ağları tabanlı maksimum güç noktası izleme algoritmaları
ÇAĞLAR YEŞİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK KILINÇ
- A study of deep neural network controller based power quality improvement of hybrid pv/wind systems by using smart inverter
Akıllı invertör kullanarak hibrit pv /rüzgar sistemlerinin derin sinir ağı denetleyicisi tabanlı güç kalitesi iyileştirmesi üzerine bir çalışma
ADEL SALEH AB-BELKHIR ADEL SALEH AB-BELKHIR
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. OĞUZ BAYAT
- Investigation of transposition models, optimization of tilt angles, and solar radiation intensity for fixed and tracked south-facing solar photovoltaic surfaces in provinces of türkiye
Transpozisyon modellerinin incelenmesi, türkiye illerinde sabit ve güneş takipli güneye bakan fotovoltaik yüzeyler için eğim açılarının ve güneş radyasyon yoğunluğunun optimizasyonu
BATUR ALP AKGÜL
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiHasan Kalyoncu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SADETTİN ÖZYAZICI
- Yapay sinir ağları ve bukalemun optimizasyon algoritması ile dağıtık enerji kaynaklarında tekno-ekonomik ve çevresel faydalar sağlayan pratik radyal dağıtım besleyici optimizasyonu
Practical radial distribution feeder for techno-economic and environmental benefits in distributed energy resources with artificial neural network and chameleon optimization algorithm
JEMAA A. BOJOD
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BİLGEHAN ERKAL
- Fotovoltaik sistemin yapay zeka algoritması ile güç tahmini
Power estimation of photovoltaic system with the artificial intelligence algorithm
SULTAN MEHTAP İZMİRLİ AYAN
Yüksek Lisans
Türkçe
2018
EnerjiKırklareli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRETTİN TOYLAN