Derin Öğrenme ile Güneş Enerjisi Santrallerinde Aylık Elektrik Üretim Tahmini

Authors : Ömer ÇETİN, Ali Hakan ISIK

Pages : 382-387

Doi:10.29048/makufebed.1144631

View : 14 | Download : 12

Publication Date : 2022-12-31

Article Type : Research Paper

Abstract :Günümüzde elektrikli cihazların yoğun kullanımı ile elektriğe olan ihtiyaç artmıştır. Bu ihtiyacı karşılamak için genellikle fosil yakıtlar kullanılmaktadır. Ancak fosil yakıtların çevreye verdiği zararı azaltmak için hükümetler yenilenebilir enerji kaynaklarına çeşitli teşvikler sunmaktadır. Bu kapsamda güneş enerjisi santrallerine yönelik teşvikler de oldukça fazladır. Son zamanlarda birçok yatırımcı güneş enerjisi santrali kurmak istemektedir. Güneş enerjisi santrali kurmak yüksek yatırım maliyeti gerektirdiğinden amortisman sürelerinin hesaplanabilmesi yatırım kararı vermekte önemli rol oynamaktadır. Teknolojinin gelişmesi, bu maliyetlerin amortisman sürelerini yapay zekâ algoritmaları ile tahmin etmeyi mümkün kılmıştır. Bu çalışmada, gerçek güneş enerjisi santrali verileri kullanılarak, derin öğrenme algoritmaları ile gelecekte üretilebilecek enerji verileri tahmin edilmiştir. Veriler, Humartaş Enerji firmasına ait güneş enerjisi santrallerinden alınmıştır. Çalışmada zaman serisi algoritmalarında yoğunlukla kullanılan LSTM insert ignore into journalissuearticles values(Long Short-Term Memory, Uzun Kısa Süreli Bellek); yöntemi kullanılarak analizler ve tahminler yapılmıştır. Çalışmanın hata oranı %1 ile %17 arasında olduğu görülmüştür. Bu çalışmanın rüzgâr, hidrolik, jeotermal enerji gibi diğer yenilenebilir enerji kaynakları içinde kullanılabileceği öngörülmektedir.
Keywords : Enerji tahmini, güneş enerjisi santralleri, LSTM, yapay zekâ, yenilenebilir enerji