Fotovoltaik enerji üretiminin meteorolojik parametrelerle tahminlenmesi ve maliyet analizi: İzmir Bakırçay Üniversitesi örneği
Yükleniyor...
Dosyalar
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İzmir Bakırçay Üniversitesi Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Dünyada artan enerji ihtiyacının temiz ve tükenmeyen kaynaklardan karşılanması arayışıyla keşfedilen yenilenebilir enerji kaynakları arasında güneş enerjisi sürdürülebilirlik, uygulama kolaylığı ve düşük bakım maliyetleri ile dikkat çekmeyi başarmış ve enerji üretimindeki payını hızla arttırmaya devam etmektedir. Ancak güneş enerjisi potansiyelinin coğrafi ve meteorolojik şartlara bağlı olması, yatırımların teşvik edilebilmesi için daha isabetli fizibilite çalışmalarına ihtiyaç duyulmasına neden olmaktadır. Bu tez çalışmasında İzmir Bakırçay Üniversitesi'nde kurulu bulunan güneş enerjisi santralinin (GES) üretim verileri ile İzmir ilinin meteorolojik verileri bir arada kullanılarak yapay nöral ağların (YNA) eğitilmesi ve enerji üretiminin tahmin edilmesi sağlanmıştır. YNA modellerinin tahmin sonuçları ve klasik metamatiksel yöntemlere dayalı tahminleme yapan PVSOL programının sonuçları, gerçek üretim verileriyle karşılaştırılmıştır. Karşılaştırma sonucunda klasik yöntemlerde %29,76 hata oranı görülebilirken, YNA modellerinde %4,37 gibi düşük hata oranlarına ulaşılmıştır. Doğru verilerle ve uygun parametrelerle eğitilen YNA'ların yardımıyla yapılacak fizibilite çalışmalarında daha isabetli enerji üretimi ve maliyet analizi yapılabileceği sonucuna ulaşılmıştır.
Among the renewable energy sources discovered in search of meeting the increasing energy need in the world from clean and inexhaustible sources, solar energy has managed to draw attention with its sustainability, ease of application and low maintenance costs and continues to increase its share in energy production rapidly. However, the fact that solar energy potential is dependent on geographical and meteorological conditions causes the need for more accurate feasibility studies in order to encourage investments. In this thesis, training of artificial neural networks (ANN) and estimation of energy production are provided by using the production data of the solar power plant established in İzmir Bakırçay University and the meteorological data of İzmir province. The prediction results of artificial neural network models and the results of the PVSOL program, which makes predictions based on classical mathematical methods, were compared with real production datas. As a result of the comparison, %29.76 error rate can be seen in classical methods, while low error rates such as %4.37 have been achieved in ANN models. It has been concluded that more accurate energy production and cost analysis can be done in feasibility studies with the help of ANN trained with correct data and appropriate parameters.
Among the renewable energy sources discovered in search of meeting the increasing energy need in the world from clean and inexhaustible sources, solar energy has managed to draw attention with its sustainability, ease of application and low maintenance costs and continues to increase its share in energy production rapidly. However, the fact that solar energy potential is dependent on geographical and meteorological conditions causes the need for more accurate feasibility studies in order to encourage investments. In this thesis, training of artificial neural networks (ANN) and estimation of energy production are provided by using the production data of the solar power plant established in İzmir Bakırçay University and the meteorological data of İzmir province. The prediction results of artificial neural network models and the results of the PVSOL program, which makes predictions based on classical mathematical methods, were compared with real production datas. As a result of the comparison, %29.76 error rate can be seen in classical methods, while low error rates such as %4.37 have been achieved in ANN models. It has been concluded that more accurate energy production and cost analysis can be done in feasibility studies with the help of ANN trained with correct data and appropriate parameters.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering, Enerji
