Optimized random forest model for prediction solar irradianceand photovoltaic total power energy by using JAYA algorithm
JAYA algoritması kullanılarak güneş ısınımı ve fotovoltaik toplam güç enerjisinin tahmin için optimize edilmiş random forest modeli
- Tez No: 972265
- Danışmanlar: DR. ÖĞR. ÜYESİ İNAL BEGÜM TURNA DEMİREL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Beykoz Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Random Forest Algoritması ve JAYA metasezgisel optimizasyon algoritmasını birleştiren makine öğrenimi tabanlı bir çerçeve uygulayarak güneş enerjisi fotovoltaik veri kümelerini tahmin etmeye odaklanmaktadır. Yenilenebilir enerjinin artan önemi nedeniyle, üretilen güçleri en iyi sonuçlarla tahmin edebilecek etkili bir model çıkarmaya çalışacağız. Güneş ve fotovoltaik enerjinin doğru tahmini, sistem sahipleri ve enerji yöneticileri için planlama, verimlilik ve maliyet etkinliğini iyileştirmek açısından önemlidir. Verilerimizin makine öğrenimi ve analiz çalışmaları için hazır olduğundan emin olmak için bazı ön işleme adımları uygulayacağız. Ardından, Random Forest makine öğrenimi algoritmasını kullanarak tahmin modeli için önemli parametreleri belirleyeceğiz. Ardından, ulaşabileceğimiz en iyi çözümlere ulaşmak için JAYA metasezgisel algoritmasını kullanarak optimizasyon modeli için uygun parametreleri belirleme adımını tekrarlayacağız. Bu çalışma ayrıca, bu sürecin kalite oranı için ölçüt olarak R2, MSE ve MAE gibi belirli değerlendirme metriklerini alarak daha az hata içeren tahminlerin pratik etkisini vurgulamaktadır. Modeli iyileştirmeye çalışırken, bu metrikler bize modelimizin ne kadar iyi çalıştığına dair bir gösterge sunmaktadır.
Özet (Çeviri)
This research deals with the solar photovoltaic power generation prediction through a machine learning–based architecture combining the Random Forest algorithm with the JAYA metaheuristic optimization. As the demand for renewable energy has been increasing, the establishment of correct and expeditive forecasting models is vital for the system operators, along with the energy managers, for effective planning, efficacy, and assured cost-effectiveness. The data, obtained for Chapel Lane substation in the United Kingdom (2019–2022) at 15 minute integration, went through the pre-processing, such as feature creation and normalizations. Random Forest was utilized for the extraction of the most pertinent parameters for the requirement of prediction, whereas the JAYA algorithm has been used for hyperparameter optimization for the better performance of the designed models. The performance accuracy of the models has been observed through established performance indicators, i.e., the coefficient of determination (R²), mean squared error (MSE), and mean absolute error (MAE). Through the results, the intention is demonstrated by projecting the predicted respective outputs with fewer faults, indicating its potential for solar energy prognostication along with the power management activities.
Benzer Tezler
- PV güç tahmininde makine öğrenimi modellerinin karşılaştırmalıdeğerlendirmesi
Comparatıve evaluatıon of machıne learnıng models forPV power forecastıng
NOR ALDEN MAHMOUD SULEIMAN ELSHAWEESH
Yüksek Lisans
Türkçe
2025
EnerjiKarabük ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR İNANÇ
- Fotovoltaik bir santralin farklı çevresel koşullar altındaki güç tahmini için uygun makine öğrenmesi yöntemlerinin araştırılması
Investigation of suitable machine learning methods for power predicton of a photovoltaic plant under different environmental conditions
MEHMET ALBAYRAM
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Forecasting of produced output electricity in photovoltaic power plants
Foto-voltaik güç santrallarında elektrik üretim tahmini
TARANEH SAADATI
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- Prediction of solar energy control system based on machine learning method
Güneş enerjisi kontrol sisteminin makine öğrenme yöntemine göre tahmin edilmesi
HASANAIN ALAA MOHAMMED ALMINSHID
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ