Yapay sinir ağları ile güneş enerjisi potansiyelininmodellenmesi ve güneş pilleri verim analizi

Abstract

Güneş radyasyonu tahmini güneş enerji sistemlerinin tasarımı ve işletimi için önemlidir. Bu yüksek lisans tezi, güneş enerjisi potansiyelinin tahmin edilmesi ve güneş pillerinin verim analizinin incelenmesi ile ilgilidir. Tezde çalışma alanı olarak Ankara Meteoroloji İşleri Genel Müdürlüğü (MGM) Bölge İstasyonu seçilmiş ve güneş enerji potansiyelini tahmin etmek için Meteoroloji Genel Müdürlüğü'nden den elde edilen 2013-2018 yıllarına ait günlük güneş radyasyon verilerini kullanarak yıllık ve mevsimsel tahminler yapılmıştır. İstatistiksel analiz bölümünde güneş radyasyonu, minimum, maksimum medyan vb. açıklayıcı istatistiksel büyüklükleri, aylık, mevsimsel ve yıllık değişimleri incelenmiştir. Veri ön işlem aşamasında, eksik veriler tamamlanmış ve Min–Max yöntemi kullanılarak veriler 0 ile 1 arasında normalize edilmiştir. Güneş enerji potansiyelini tahmin etmek için Yapay Sinir Ağları (YSA) modeli kullanılmıştır. YSA modelini LM (Levenberg-Marquardt), BR (Bayesian Regularization), ÖEE (Ölçekli Eşlenik Eğim) olmak üzere üç algoritma göz önüne alınarak veriler eğitilmiş ve bu algoritmalardan elde edilen sonuçlar karşılaştırılmıştır. YSA modelini kullanarak gerçekleştirilen tahmin aşamasında günlük güneş radyasyon verileri iki gruba ayrılmıştır: a) Girdi verileri 2013 – 2017 yılları, b) Çıktı verileri 2018 yılı. YSA modeli kullanarak MATLAB/Simulink uygulamasında 2013-2017 yılı verileri eğitim aşamasında, 2018 yılı verileri tahmin test aşamasında kullanılmıştır. Sonuç olarak, YSA modeli kullanarak karşılaştırılan üç algoritmalardan en iyi sonucu (MSE = 1.11) LM (Levenberg- Marquartd) algoritması vermiştir. Mevsimsel tahmin sonucu ilkbahar, güneş enerji potansiyeli tahmini için MSE (1.02) ile en düşük hata değerini vermektedir. Tezin uygulama bölümü, güneş panellerinin verim analizi ile ilgili iki pilot çalışmayı içermektedir. Anahtar Kelimeler: Yapay Sinir Ağları, Modelleme, Güneş Enerjisi, Güneş Pilleri

Solar radiation estimation is important for the design and operation of solar energy systems. This master thesis is about estimating the potential of solar energy and research the efficiency of solar cells. Ankara General Directorate of Meteorology Service Meteorological (MGM) Regional Station was chosen as the study area of the thesis and in order to estimate annual and seasonal forecasts the global solar energy potential and daily average sunshine intensity data for 2013-2018 obtained from MGM. Statistical analyses were presented and descriptive statistics, monthly, seasonal and annual variations of solar radiation have been evaluated. In the data preprocessing stage, the missing data was completed and the data was normalized between 0 and 1 using the Min – Max method. ANN model was used to estimate global sunshine intensity. The ANN model was trained using three algorithms: LM (Levenberg-Marquardt), BR (Bayesian Regularization), SCG (Scaled Conjugate Gradient) and these algorithms were compared. To estimate daily global sunshine intensity, data divided into two groups: a) Input data 2013- 2017 years b) Estimated data for 2018 year. In the MATLAB/Simulink application using ANN model and 2013-2017 data were trained and 2018 data were used in estimation test stage. As a result, LM (Levenberg-Marquartd) algorithm presents the best result (MSE = 1.1108) among the three algorithms compared using ANN model. In spring MSE of seasonal estimation is 1.0228. The last part of the thesis covers two case studies of efficiency analyses of solar panels. Keywords: Artificial Neural Networks, Modelling, Solar Energy, Solar Cells