Makine Öğrenmesi Teknikleri ile Meteorolojik Verilere Dayalı Güneş Işınımı Tahmini: Isparta Örneği
[ X ]
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Yenilenebilir enerji kaynaklarından olan güneş enerji sistemleri her geçen gün daha fazla ilgi görmekte ve kullanımı yaygınlaşmaktadır. Diğer birçok yenilenebilir enerji kaynaklarında olduğu gibi güneş enerji sistemlerindeki önemli bir sorun sistemin sağlayacağı enerjinin sürekli olmamasıdır. Elde edilecek enerjinin tahmin edilebilmesi bu bakımdan oldukça önemlidir. Bu çalışmada Meteoroloji Genel Müdürlüğü’nden Isparta ili için alınan meteorolojik veriler kullanılarak güneş ışınımı tahmini yapılmıştır. Tahmin işlemi için Rastgele Orman (RF), k-EYK (k-En Yakın Komşu), YSA (Yapay Sinir Ağları) ve Derin Öğrenme yöntemleri kullanılmıştır. Ayrıca zaman verileri için kukla değişken kullanımının bu farklı metotlar ile oluşturduğu sonuçlar incelenmiştir. Elde edilen bulgulara göre kukla değişken kullanımının YSA ve Derin Öğrenme yöntemlerinde performansı arttırdığı, Rastgele orman ve k-EYK yöntemlerinde ise performansı düşürdüğü görülmüştür. YSA ve derin öğrenme ile güneş ışınımı tahmininde en iyi sonuçlar elde edilmiştir.
Solar energy systems which is one of renewable energy sources takes more interest and gains prevalence day by day. As in other many renewable energy sources, a significant problem in solar energy systems is the unstability of the energy that the system will provide. Prediction of the energy to be obtained is very important in this respect. In this study, solar radiation is predicted using meteorological data taken from the General Directorate of Meteorology for Isparta. For predictions, the random forest (RF), KNN (k-Nearest Neighbor), ANN (Artificial Neural Networks) and Deep Learning (DL) methods are used. In addition, the results of dummy variable usage for time data are examined with these different methods. According to the findings obtained, it is seen that the dummy variable usage increases performance for ANN and DL methods but decreases performance for random forest and KNN methods. Best results are obtained for the prediction of the solar radiation with ANN and DL.
Solar energy systems which is one of renewable energy sources takes more interest and gains prevalence day by day. As in other many renewable energy sources, a significant problem in solar energy systems is the unstability of the energy that the system will provide. Prediction of the energy to be obtained is very important in this respect. In this study, solar radiation is predicted using meteorological data taken from the General Directorate of Meteorology for Isparta. For predictions, the random forest (RF), KNN (k-Nearest Neighbor), ANN (Artificial Neural Networks) and Deep Learning (DL) methods are used. In addition, the results of dummy variable usage for time data are examined with these different methods. According to the findings obtained, it is seen that the dummy variable usage increases performance for ANN and DL methods but decreases performance for random forest and KNN methods. Best results are obtained for the prediction of the solar radiation with ANN and DL.
Açıklama
Anahtar Kelimeler
derin öğrenme, kukla değişken, rastgele orman, güneş ışınımı tahmini, yapay sinir ağları, Artificial neural networks, deep learning, dummy variable, random forest, solar radiation prediction, Engineering
Kaynak
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
1
Sayı
2-704
