Yapay zeka yardımıyla güneş enerjisi üretim tahminlemesi ve gerçekleşen üretim değerleri ile tasarım programı çıktılarının karşılaştırmalı analizi
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Yenilenebilir enerji entegrasyonu arttıkça hem öngörülebilir hem de güvenilir enerji yönetim sistemlerine olan talep artmaktadır. Üretimi ve şebekeye beslemesi değişken olan güneş enerjisi gibi yenilenebilir kaynaklardan elde edilen enerji üretiminin doğru tahmin edilmesi, enerji yönetim sistemlerinin odak konularından biridir. Bu tezde, gerçek bir güneş enerjisi santralinin üretimini tahmin etmek için yapay zeka kullanılmıştır. Yapay zeka ile tahmin edilen üretim değerleri, gerçekleşen üretim değerlerinin yanı sıra enerji santrali tasarımında yaygın olarak kullanılan Helioscope ve Pvsyst programları tarafından tahmin edilen üretim değerleri ile karşılaştırılmıştır. Metodoloji, veri temini, veri ön işleme, makine öğrenimi ve yapay zeka modellerinin geliştirilmesini içermektedir. Eğitim verilerinde lineer regresyon, boosting algoritmaları (XGBoost, CatBoost, LightGBM), uzun kısa süreli bellek (LSTM) ve yapay sinir ağları (ANN, MLP) analiz edilmiş, en iyi sonuçları veren LightGBM makine öğrenmesi modeli ile GridSearchCV kullanılarak parametre optimizasyonu gerçekleştirilmiştir. Test verileri üzerinde çalıştırıldığında RMSE değeri 67,04 ve R-kare değeri 0,96 olarak elde edilmiştir. Sonuçlar LightGBM algoritmasının gerçek üretim ve tasarım programı verileriyle yakından uyumlu tahminler yapabildiğini göstermektedir.
Açıklama
Anahtar Kelimeler
Makine öğrenmesi, yapay zeka, üretim tahminleme, yenilenebilir enerji, fotovoltaik üretim tahmini, tahmin modelleri, güneş enerjisi tahmini, yapay sinir ağları., Machine learning, artificial intelligence, production forecasting, renewable energy, photovoltaic production forecasting, forecasting models, solar energy forecasting, artificial neural networks.
