Güneş enerjisi santralleri için bir kısa süreli üretim tahmin sistemi geliştirilmesi

Abstract

Son yıllarda Yenilenebilir Enerji Tesisleri (YET) kurulu gücünde hızlı bir artış olmuştur. Bu hızla artan YET kurulu gücünde Güneş Enerjisi Santralleri (GES) önemli bir paya sahiptir. Diğer YET'lerde olduğu gibi GES'lerde de üretim değişken bir karakteristiğe sahiptir. Değişken üretim karakteristiği GES tesislerinin elektrik şebeke sisteminde işletilmesini zorlaştırmaktadır. Bu problemin giderilmesi için GES üretim tahminlerine ihtiyaç duyulmaktadır. Yapılan bu tez çalışmasında GES üretimleri için bir tahmin sistemi önerilmiştir. Önerilen tahmin sisteminde yapay sinir ağları kullanılmıştır. Oluşturulan yapay sinir ağı Levenberg-Marquardt öğrenme algoritması kullanılarak eğitilmiştir. Yapay sinir ağının eğitim, doğrulama ve test süreçlerinde Kahramanmaraş ilinde yer alan santrallerin üretim değerleri ve Küresel Tahmin Sisteminden alınan bulutluluk verileri kullanılmıştır. Yapay sinir ağı yapısı ve giriş değerleri değiştirilerek analizler yapılmıştır. Yapılan analizler sonucunda giriş olarak üretim değerleri ile birlikte bulutluluk tahmini kullanılan yapay sinir ağının sadece üretim değerleri kullanılan yapay sinir ağına kıyasla daha başarılı olduğu tespit edilmiştir. Anahtar Kelimeler: Güneş enerjisi santrali, Üretim tahmini, Yapay sinir ağı

In recent years, there has been a rapid increase in the installed capacity of Renewable Energy Facilities (REF). Solar Power Plants (SPP) have an important share in this rapidly increasing REF installed capacity. As in other REF's, generations has a variable characteristic in SPP's. The variable generation characteristics make it difficult to operate the SPP facilities in the electricity grid system. To solve this problem, SPP generation forecasts are needed.In this thesis, a forecast system is proposed for SPP generations. Artificial neural networks are used in the proposed forecast system. The created artificial neural network was trained using the Levenberg-Marquardt learning algorithm. In the training, verification and testing processes of the artificial neural network, the generation values of the plants located in Kahramanmaras province and the cloudiness data obtained from the Global Forecasting System were used. Analyzes were performed by changing the artificial neural network structure and input values. As a result of the analyzes, it was found that the artificial neural network using cloudiness forecast with the generation values as input is more successful than the artificial neural network that uses only generation values.Key words: Solar power plant, Generation forecast, Artificial neural network