Güneş enerjisi santrallerinde derin öğrenme kullanılarak elektrik üretimi tahmininin yapılması

Basit Öğe Kaydı
dc.authoridDanışman: 0000-0002-0988-1516en_US
dc.authorid0000-0002-7425-499Xen_US
dc.contributor.advisorOğuz, Hidayet
dc.contributor.authorKıymaz, Yunus Emre
dc.date.accessioned2021-03-01T07:25:58Z
dc.date.available2021-03-01T07:25:58Z
dc.date.issued2021en_US
dc.date.submitted2021-12-17
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Enerji Sistemleri Mühendisliği Anabilim Dalıen_US
dc.descriptionYüksek Lisans Tezien_US
dc.description.abstractGüneş enerjisi santralleri yenilenebilir enerji sistemleri arasında önemli bir konuma sahiptir. Sınırsız kaynak olarak nitelendirilen güneş enerjisinin küçük bir kısmının yer küreye ulaşması, bu santrallerin güneş ışığından mümkün olduğunca yeterli kapasitede yararlanabilmesi önem arz ettiğinden, verimlilik adına günümüze kadar önemli teknolojik gelişmeler yaşanmaktadır. Bu tip sistemlerin kurulumu pahalıdır ve 25 yıl gibi ortalama ömürleri bulunmaktadır. Bu sistemlerden optimum şekilde faydalanmak için ileriye dönük elektrik üretim tahminleri yapılması önemli olabilmektedir. Bu tez çalışması, Konya'nın Çumra, Tuzlukçu ve Yunak ilçelerinde kurulu ve yıllık 1MW kapasiteli (Santral_A, Santral_B, Santral_C, Santral_D) güneş santrallerine ait günlük frekanslı 2 yıllık üç veri seti ve saatlik frekanslı 1 yıllık bir veri seti (tek değişkenli zaman serileri) üzerinde değerlendirme yapılmıştır. Güneş enerjisi santrallerinden elde edilen bu verilere göre derin öğrenme kullanılarak elektrik üretim analizi yapılmıştır. Tercih edilen derin öğrenme yöntemi; uzun kısa süreli hafıza (LSTM) olup zaman serisi analizinde kullanılan bir başka istatistiksel yöntem olan mevsimsel otoregresif hareketli ortalama (SARIMA) ile karşılaştırılmıştır. Her bir veri seti için elde edilen sonuçlar; beş farklı hata performans ölçüm sistemine tabii tutulmuş (MSE, RMSE, NMSE, MAE, MAPE) ve LSTM modelinin SARIMA modeline göre çoğunlukla gerçek verilere daha yakın sonuçlar verdiği tespit edilmiştir. Sonuçların ardından güneş santrallerinde verimliliğe etki edebilecek faktörler incelenmiş, İç Anadolu Bölgesi, Ege ve Akdeniz bölgelerinde kurulu olan bazı santrallerin saha mühendislerince tespit edilen sorunlar derlenerek bazı yorumlar ve çıkarımlar yapılmıştır.en_US
dc.description.abstractSolar power plants have an important position among renewable energy systems. Since it is important that a small part of the solar energy, which is described as an unlimited resource, reaches the earth and that these power plants can benefit from sunlight in sufficient capacity as possible, important technological developments have been experienced so far in terms of efficiency. Such systems are expensive to install and have an average life span of 25 years. It can be important to make forward-looking electricity generation estimates in order to make optimum use of these systems. This thesis study was evaluated on three 2-year daily frequency data sets and a 1-year data set with hourly frequency (univariate time series) belonging to solar power plants with 1MW annual capacity (Santral_A, Santral_B, Santral_C, Santral_D) established in Çumra, Tuzlukçu and Yunak districts of Konya. According to these data obtained from solar power plants, electricity generation analysis was made using deep learning. Preferred deep learning method; long short-term memory (LSTM) and compared with seasonal autoregressive moving average (SARIMA), another statistical method used in time series analysis. Results obtained for each data set; It was subjected to five different error performance measurement systems (MSE, RMSE, NMSE, MAE, MAPE) and it was determined that the LSTM model mostly gave results closer to the real data than the SARIMA model. After the results, the factors that may affect the efficiency of solar power plants were examined, and some comments and inferences were made by compiling the problems identified by field engineers of some power plants established in Central Anatolia, Aegean and Mediterranean regions.en_US
dc.identifier.citationKıymaz, Y. E. (2021). Güneş enerjisi santrallerinde derin öğrenme kullanılarak elektrik üretimi tahmininin yapılması. (Yayınlanmamış Yüksek Lisans Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Enerji Sistemleri Mühendisliğiğ Anabilim Dalı, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/7151
dc.language.isotren_US
dc.publisherNecmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDerin öğrenmeen_US
dc.subjectgüneş enerjisi santralien_US
dc.subjectmevsimsel otoregresif entegre hareketli ortalamaen_US
dc.subjecttek değişkenli zaman serilerien_US
dc.subjectuzun kısa süreli hafızaen_US
dc.subjectDeep learningen_US
dc.subjectlong short-term memoryen_US
dc.subjectseasonal autoregressive integrated moving averageen_US
dc.subjectsolar power planten_US
dc.subjectunivariate time seriesen_US
dc.titleGüneş enerjisi santrallerinde derin öğrenme kullanılarak elektrik üretimi tahmininin yapılmasıen_US
dc.title.alternativeEstimation electricity generation using deep learning on solar power plantsen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
656115.pdf
Boyut:
2.87 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu