Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Oğuz Taşdemir
Danışman: Erdal Irmak
Özet:
Fotovoltaik enerji sistemlerinin yatırım maliyetlerindeki düşüşler, fotovoltaik gücün kurulu güç içindeki payını artırmıştır. Bu nedenle, fotovoltaik enerji üretiminin izlenmesi, elektrik şebekesinin kararlılığı ve kalitesi için büyük önem taşımaktadır. Ancak, fotovoltaik güç üretimi hava koşullarına bağlı olarak sürekli değiştiğinden, bu gücün kontrolü zordur. Bu sorunun üstesinden gelmek için fotovoltaik güç üretiminin hassas bir şekilde tahmin edilmesi gereklidir. Bu tez çalışmasında, partikül madde (PM10) parametresinin fotovoltaik güç tahmini üzerindeki etkisi, iki farklı veri seti kullanılarak yapay sinir ağları (YSA) ile incelenmiştir. Birinci veri seti fotovoltaik güç, güneş ışınımı, hava sıcaklığı ve nem; ikinci veri seti ise fotovoltaik güç, güneş ışınımı, hava sıcaklığı ve PM10 parametrelerini içermektedir. Sonuçlar, hava kirliliği parametrelerinden biri olan PM10'un fotovoltaik güç tahmininde etkin bir giriş verisi olarak kullanılabileceğini göstermiştir. Ardından, fotovoltaik gücün doğru ve hassas bir şekilde tahmin edilmesi amacıyla, metasezgisel bir algoritma olan JAYA algoritması yapay sinir ağları ile birleştirilerek hibrit bir model geliştirilmiştir. Bu hibrit JAYA-YSA modelinde fotovoltaik güç, güneş ışınımı, hava sıcaklığı ve PM10 parametreleri giriş verisi olarak kullanılmıştır. JAYA-YSA modelinin tahmin doğruluğu, yalnızca YSA kullanılan modele göre oldukça yüksek bulunmuştur. Ayrıca, önerilen JAYA-YSA modeli, literatürde yaygın olarak kullanılan genetik algoritma ve parçacık sürü optimizasyonu tabanlı hibrit yapay sinir ağları modelleriyle karşılaştırıldığında, ortalama mutlak yüzdesel hata ve karekök ortalama hata açısından daha başarılı olmuştur.