Amasya Üniversitesi güneş enerji santrali üretim verilerinin meteorolojik verilere bağlı olarak yapay zeka yöntemleri ile tahmini

Abstract

Son yıllarda, enerjiye olan talep gün geçtikçe artarken öte yandan da fosil yakıtların giderek azalması ve çevre kirliliğine olan duyarlılığın başlamasıyla, yenilenebilir enerji kaynaklarına olan gereksinim her geçen gün artmaktadır. Özellikle güneş enerjisi kullanımı son zamanlarda hızlı bir ivme göstermiştir. Bu çalışmada genel olarak güneş enerjisi incelenmiş olup, uygulamada ise güneş enerji santrali üretim verilerinin meteorolojik verilere bağlı olarak yapay zekâ yöntemlerinden çok katmanlı yapay sinir ağları (ÇKYSA) ve uyarlamalı bulanık yapay sinir ağı çıkarım sistemi (ANFIS) yardımıyla tahmini yapılmıştır. ÇKYSA metodu kullanılarak yapılan tahminde en iyi sonucun Levenberg-Marquardt (trainlm) algoritmasıyla elde edildiği belirlenmiştir. ANFIS metodu kullanılarak yapılan tahminde ise en başarılı sonucun melez algoritma ve gbellmf üyelik fonksiyon tipi ile girdi değerleri için 4-4-4 üyelik fonksiyonun birlikte kullanıldığı modelin ürettiği belirlenmiştir. Oluşturulan ÇKYSA ve ANFIS modelleriyle yapılan tahmin değerlerinin ölçülen değerler ile makul düzeyde yakınsadığı saçılma grafiklerinden görülmüştür. Test sonuçları sonrası yapılan regresyon eğrilerinde tahminlerin güvenilir ve isabetli olduğu anlaşılmıştır. Enerji sektörü konumunda bulunan santrallerin üretim verileri aynı yöntemlerle hesaplanabilir.

In recent years, while the demand for energy is increasing day by day, the need for renewable energy sources is increasing day by day with the decrease in fossil fuels and the onset of sensitivity to environmental pollution. Especially the use of solar energy has shown a rapid acceleration in recent times. In this study, solar energy has been investigated in general, and in practice, solar power plant production data has been estimated with artificial intelligence methods, multi-layer artificial neural networks (MLPNN) and adaptive fuzzy artificial neural network inference system (ANFIS), depending on meteorological data. It was determined that the best result was obtained with the Levenberg-Marquardt (trainlm) algorithm in the estimation made using the MLPNN method. In the estimation made using the ANFIS method, it was determined that the most successful result was produced by the hybrid algorithm and the gbellmf membership function type and the model in which the 4-4-4 membership function was used together for the input values. It has been seen from the scatter plots that the predicted values made with the created MLPNN and ANFIS models converge reasonably with the measured values. It was understood that the estimations were reliable and accurate in the regression curves made after the test results. The production data of the power plants in the energy sector can be calculated with the same methods.