Short-term solar irradiance forecasting with deep neural networks
dc.contributor.advisor | Ceylan, Oğuzhan | |
dc.contributor.author | Vatansever, Caner | |
dc.date.accessioned | 2020-12-29T08:52:16Z | |
dc.date.available | 2020-12-29T08:52:16Z | |
dc.date.submitted | 2019 | |
dc.date.issued | 2019-12-03 | |
dc.identifier.uri | https://acikbilim.yok.gov.tr/handle/20.500.12812/372902 | |
dc.description.abstract | Güneş enerjisinin kullanımı son 10 yıl içerisinde artış göstermektedir. Ek olarakbu kullanım, son yıllarda, şebeke sistemleri ile entegre edilmeye başlanmıştır. Güneşpanellerinden tamamıyla yararlanabilmek için, ışımayı tahmin edebilmek çok önemlidir.15 dakika sonrasındaki güneş ışıması değerlerini bilerek, güneş paneli içerisindekidirenci tahmin edebilir ve üretimi analiz edebiliriz. Bu çalışma sürgülü pencereyöntemini kullanarak 15 dakika sonrasındaki ışıma tahminlemesine odaklanmıştır.Yapay sinir ağları, k-en yakın komşu ve rassal orman modelleri bu çalışmada optimizeedilmiştir. Bu çalışmanın sonucunda, yaklaşık olarak 6% mutlak yüzde hatayaulaşılmıştır. | |
dc.description.abstract | Usage of solar energy has increased through the last decades, and they are being integratedinto main grid systems since the recent years. In order to fully benet fromsolar panels, predicting irradiance is essential. By knowing 15-minute ahead valuesof solar irradiance, resistance of the cells inside the solar panels can be measured toanalyze production output. This study focuses on 15-minute ahead forecasting ofirradiance by using sliding windows method on the feature set. ANN, K-NN, SVMand RF models are optimized in this study. As the result of the study, around 6%MAPE is achieved. | en_US |
dc.language | English | |
dc.language.iso | en | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution 4.0 United States | tr_TR |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Bilim ve Teknoloji | tr_TR |
dc.subject | Science and Technology | en_US |
dc.title | Short-term solar irradiance forecasting with deep neural networks | |
dc.title.alternative | Derin sinir ağları kullanımıyla kısa süreli güneş ışıması tahminlemesi | |
dc.type | masterThesis | |
dc.date.updated | 2019-12-03 | |
dc.contributor.department | Yönetim Bilişim Sistemleri Anabilim Dalı | |
dc.identifier.yokid | 10290744 | |
dc.publisher.institute | Lisansüstü Eğitim Enstitüsü | |
dc.publisher.university | KADİR HAS ÜNİVERSİTESİ | |
dc.identifier.thesisid | 587290 | |
dc.description.pages | 79 | |
dc.publisher.discipline | Diğer |