Güneş enerjisinin potansiyelinden tam anlamıyla faydalanmak ve güneş enerjisi sistemlerini etkin bir şekilde işletebilmek için güneş ışınımı değerinin bilinmesi büyük önem arz etmektedir. Yüksek değişkenliğe sahip güneş radyasyonu verilerinin modellenmesi karmaşık bir problemdir ve doğrusal olmayan yöntemlere ihtiyaç vardır. Bu çalışmada, güneş ışınımı tahmini için CNN ve LSTM mimarileri kullanılarak oluşturulan hibrit bir model önerilmiştir. Önerilen modelin performansı ve uygulanabilirliği Rastgele Orman, Karar Ağaçları ve K-En Yakın Komşu gibi farklı makine öğrenmesi yöntemleriyle karşılaştırılarak incelenmiştir. Çalışmada, Afyon Kocatepe Üniversitesi yerleşkesine konumlandırılan bir piranometre ile saatlik olarak ölçülmüş güneş ışınımı değerleri kullanılmıştır. Deney sonuçları, önerilen CNN-LSTM modelinin diğer yöntemlere oranla daha başarılı sonuçlar verdiğini ortaya koymuştur.
Güneş Işınımı Tahmini Derin Öğrenme Uzun-Kısa Süreli Bellek Zaman Serisi Tahmini Makine Öğrenmesi
To fully utilize the potential of solar energy and effectively operate solar energy systems, it is vital to know solar radiation values. Modeling solar radiation data with high variability is a complex problem, and nonlinear methods are needed. This study proposes a hybrid model using CNN and LSTM architectures for solar radiation prediction. The performance and applicability of the proposed model are examined by comparing it with different machine learning methods such as Random Forest, Decision Tree and K-Nearest Neighbor. The study used hourly solar radiation values measured with a pyranometer on the Afyon Kocatepe University campus. Experiment results revealed that the proposed CNN-LSTM model gave more successful results than other methods.
Solar Radiation Prediction Deep Learning Time Series Prediction Long-Short-Term Memory Machine learning
Birincil Dil | Türkçe |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Erken Görünüm Tarihi | 17 Mayıs 2024 |
Yayımlanma Tarihi | 20 Mayıs 2024 |
Gönderilme Tarihi | 28 Ocak 2023 |
Kabul Tarihi | 26 Kasım 2023 |
Yayımlandığı Sayı | Yıl 2024 Cilt: 39 Sayı: 4 |