Küresel Güneş Radyasyonu Tahmin Modelleri için Yapay Sinir Ağı Tabanlı WEKA Kullanımı
Abstract views: 4
/ 
PDF downloads: 5
Keywords:
Küresel Güneş Radyasyonu, Makine Öğrenme Algoritmaları, WEKAAbstract
Dünyada artan nüfus ve gelişen teknoloji enerjiye olan ihtiyacı giderek artırmakta olup, bu ihtiyacı
çevre dostu yenilenebilir enerji kaynakları kullanarak karşılamak çok önemlidir. Bu yenilenebilir enerji
kaynakları arasında en büyük potansiyele sahip, en yaygın ve en ulaşılabilir olan güneş enerjisidir. Güneş
enerjisinden üretilen potansiyelin yanı sıra iklimsel etkilerin belirlenmesi küresel güneş radyasyonu
hesaplamaları ile kolayca ortaya çıkartılmaktadır. Bu çalışmada, ülkemiz İç Anadolu Bölgesinde seçilen
iki istasyon için makine öğrenme algoritmaları WEKA (Waikato Environment for Knowledge Analysis)
yazılımı kullanılarak küresel güneş radyasyonu tahmin çalışması yapılmıştır. İklim şartlarına göre değişen
ortalama sıcaklık, güneşlenme şiddeti ve güç talebi gibi parametreler nedeniyle güneş enerjisi santrallerinde
gelecek günlerin enerji üretimini tahmin etmek zordur. Bu çalışma ile seçilen iki istasyon için hesaplanan
tahmin sonuçları ve doğruluğu kesin olarak bilinen yer gözlem istasyonundan elde edilen veriler istatistiksel
hata analizi yöntemleri ile karşılaştırılmıştır. WEKA makine öğrenme algoritmaları hesaplamaları ile
bulunan küresel güneş radyasyonu tahminleri sonuçlarının seçilen iki istasyon için kullanılabilir olduğu
görülmüştür. Yeryüzü ölçüm istasyonu ağının yetersiz olduğu veya yer verisinin doğruluğu kesin olmayan
alanlarda küresel güneş radyasyonu tahmini yapılmasında WEKA makine öğrenme algoritmalarının
kullanılabileceği belirlenmiştir.
Downloads
References
Kavlaz, I. (01.2019) Coal in the Axis of Domestic and
National Energy Policies. [Online]. Accessible from:
https://setav.org/assets/uploads/2019/01/A265.pdf
Benghanem, M. “Artificial intelligence techniques for
prediction of solar radiation data: A review.”
International Journal of Renewable Energy Technology,
(2), 189-220. 2012.
Basharat, F., Dehghan, A.A. , Faghih, A. R. “Empirical
models for estimating global solar radiation: A review
and case study”. Renewable and Sustainable Energy
Reviews. Vol. 21, pp. 798-821, 2013
Bakırcı, K. , Kirtiloglu, Y. “Effect of climate change to
solar energy potential: a case study in the Eastern
Anatolia Region of Turkey”. Environmental Science and
Pollution Research, vol. 29, pp. 2839-2852. October
Pandey, C. K., & Katiyar, A. K. “Solar radiation: Models
and measurement techniques.” Journal of Energy, 2013.
The IPCC website. [Online]. Erişilebilir:
Kavlaz, I. (01.2019) Coal in the Axis of Domestic and
National Energy Policies. [Online]. Accessible from:
https://setav.org/assets/uploads/2019/01/A265.pdf
Benghanem, M. “Artificial intelligence techniques for
prediction of solar radiation data: A review.”
International Journal of Renewable Energy Technology,
(2), 189-220. 2012.
Basharat, F., Dehghan, A.A. , Faghih, A. R. “Empirical
models for estimating global solar radiation: A review
and case study”. Renewable and Sustainable Energy
Reviews. Vol. 21, pp. 798-821, 2013
Bakırcı, K. , Kirtiloglu, Y. “Effect of climate change to
solar energy potential: a case study in the Eastern
Anatolia Region of Turkey”. Environmental Science and
Pollution Research, vol. 29, pp. 2839-2852. October
Pandey, C. K., & Katiyar, A. K. “Solar radiation: Models
and measurement techniques.” Journal of Energy, 2013.
2023 The IPCC website. [Online]. Erişilebilir:
REN21, “Renewables 2019 Global Status Report.
Renewables Now, Paris: REN21 Secretariat,” 2019, May
,
https://
www.ren21.net/wp
content/uploads/2019/05/gsr_2019_full_ report_en.pdf.
O. Kisi, (2014), Modeling Solar Radiation of
Mediterranean Region in Turkey by Using Fuzzy Genetic
Approach, Energy, cilt: 64, sayfa: 429–436.
S. Ener Rusen, (2017), Karaman İli Küresek Güneş
Radyasyonunun
Heliosat
Metot
Kullanılarak
Belirlenmesi, Omer Halisdemir University Journal of
Engineering Sciences, cilt:6, sayı:2, sayfa:467-474.
A. Angstrom (1924), Solar and terrestrial radiation, Q. J.
R. Meteorol. Soc.
Yadav vd., (2014), Selection of Most Relevant Input
Parameters Using WEKA for Artficial Neural Network
Based Solar Radition Prediction Models, Renewable and
Sustainable Energy Reviews, cilt:31, sayfa:509-519.
C. Voyant, G. Notton, S. Kalogirou et al., (2017),
Machine Learning Methods for Solar Radiation
Forecasting: a Review, Renewable Energy, cilt:105,
sayfa: 569–582.
T. Muneer, E. J. Gago, and S. Etxebarria, (2017),
Monthly-Averaged Hourly Solar Diffuse Radiation
Models for World-Wide Locations, Future Cities and
Environment, cilt: 1.
Bilhan ve Emikönel, (2021), Nevşehir İli Güneş Enerji
Potansiyelinin Analizi ve Kurulu Güneş Enerji
Santralleri, Avrupa Bili ve Teknoloji Dergisi, özel
sayı:24, sayfa:289-294.
G. Notton, C. Paoli, S. Vasileva, M. L. Nivet, J.-L.
Canaletti, and C. Cristofari, (2012), Estimation of Hourly
Global Solar Irradiation on Tilted Planes from Horizontal
One Using Artificial Neural Networks,” Energy, cilt:39,
sayı: 1, sayfa: 166–179.
E. Frank and I. H. Written, (1998), Generating Accurate
Rule Sets Without Global Optimization, in Proceedings
of the Fifteenth International Conference on Machine
Learning, sayfa. 144–151.
R. J. Hyndman and A. B. Koehler, (2006) Another Look
at Measures of Forecast Accuracy, International Journal
of Forecasting, cilt: 22, sayı: 4, sayfa: 679–688.
