Güneş Enerjisinin Kısa-Dönem Tahmininde Farklı Makine Öğrenme Yöntemlerinin Karşılaştırılması

Authors : Mehmet Fatih BEKÇİOĞULLARI, Bünyamin DİKİCİ, Hakan AÇIKGÖZ, Ö Fatih KEÇECİOĞLU

Pages : 37-45

View : 19 | Download : 6

Publication Date : 2021-12-30

Article Type : Research Paper

Abstract :Günümüzde, güneş enerji santrallerine yapılan yatırımlar her geçen gün kayda değer derecede artış göstermektedir. Güneş enerjisinin meteorolojik parametrelere bağlı olarak değişken olması enerji üretiminin planlanmasını nispeten zorlaştırmaktadır. Bu durum şebeke işletme problemlerine yol açabileceğinden güneş enerjisi tahmini önemli bir konu haline gelmiştir. Bu çalışmada, makine öğrenmesi metotlarının kısa-dönemli güneş enerjisi tahmini yapabilirliği karşılaştırılmıştır. İlk olarak, Avustralya, Alice Springs’de bulunan bir güneş enerji merkezindeki 1B: Trina isimli santralin çıkış güç verisi ve bölgedeki ölçüm istasyonundan alınan meteorolojik parametrelerden oluşan bir veri seti elde edilmiştir. Daha sonra güç verisi Ampirik mod ayrıştırma yöntemi ile alt bileşenlerine ayrılmıştır. Bu çalışmada, güneş enerjisinin tahmini için Doğrusal Regresyon insert ignore into journalissuearticles values(DR);, Destek Vektör Makinesi insert ignore into journalissuearticles values(DVM);, Karar Ağacı Regresyonu insert ignore into journalissuearticles values(KAR);, Gauss Süreç Regresyonu insert ignore into journalissuearticles values(GSR); ve Topluluk Regresyonu insert ignore into journalissuearticles values(TR); gibi en çok kullanılan yöntemler tercih edilmiştir. Bu yöntemlerin farklı tahmin ufuklarındaki tahmin performanslarını değerlendirmek için karşılaştırma çalışmaları gerçekleştirilmiştir. Bu çalışmalarda, tüm makine öğrenme yöntemleri için R, RMSE ve MAE gibi performans metrik sonuçları hesaplanmıştır. Elde edilen metrik sonuçlarına göre DVM’nin en iyi tahmin sonucunu sağladığı gözlemlenmiştir.
Keywords : Ampirik mod ayrıştırıcı, Güneş Enerjisi, Makine Öğrenmesi, Tahmin