Prediction and Analysis of Weather Parameters with Global Horizontal Solar Irradiance Using LSTM-CNN Based Deep Learning Technique

Authors : Sercan YALÇIN, Münür Sacit HERDEM

Pages : 340-356

Doi:10.35193/bseufbd.1037563

View : 32 | Download : 10

Publication Date : 2022-06-30

Article Type : Research Paper

Abstract :Önemli iklim parametrelerinin yanı sıra küresel yatay güneş ışınımının (GHSI) tahmin edilmesi, fotovoltaik panellerin enerji yönetimi ve kaynak planlamasında önemli bir rol oynamaktadır. Güneş enerjisinden daha fazla yararlanmak için, bu tür zaman serisi parametre verilerinin sıklıkla analiz edilmesi ve tahmin edilmesi yoluyla gelecek değerler hakkında bilgi elde edilmesi gerekmektedir. Bu nedenle, uzun vadeli güneş ışınımı verilerini tahmin etmek zorlu bir iştir. Bu amaçlarla, bu çalışmada, bu tür verilerin en doğru tahminini sağlamak için Uzun Kısa Süreli Bellek (LSTM) ve Evrişimsel Sinir Ağı (CNN) derin sinir ağlarının modellenmesi ile hibrit bir yöntem önerilmiştir. Ürdün vadisinde elde edilen GHSI ve sıcaklık, bağıl nem ve rüzgâr hızı verileri tahmin metodolojisinde kullanılır. Önerilen derin mimarinin CNN bloğunda, giriş parametreleri evrişim, havuzlama ve düzleştirme katmanlarından geçirilir ve çıkışlar LSTM veri girişine iletilir. Bu yöntemle daha etkin ve doğru tahminler yapılması hedeflenmektedir. Önerilen yöntem, diğer yöntemlerden farkını ortaya çıkarmak için RMSE, MADE ve MAPE hata performans kriterlerine göre karşılaştırılmıştır. Önerilen yöntem, özellikle GHSI tahmininde diğer algoritmalara göre daha üstün sonuçlar vermektedir.
Keywords : Küresel Güneş Işınımı, Derin Sinir Ağları, Uzun Kısa Süreli Bellek, Evrişimli Sinir Ağı

ORIGINAL ARTICLE URL