Güneş enerjisi potansiyelinin çoklu lineer regresyon ve yapay sinir ağları ile modellenmesi
| dc.authorid | 0000-0002-4920-7876 | en_US |
| dc.authorid | 0000-0001-7707-7370 | en_US |
| dc.contributor.author | Gabralı, Durhan | |
| dc.contributor.author | Aslan, Zafer | |
| dc.date.accessioned | 2021-06-11T07:47:40Z | |
| dc.date.available | 2021-06-11T07:47:40Z | |
| dc.date.issued | 2020 | en_US |
| dc.department | Fakülteler, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü | en_US |
| dc.description.abstract | Son yıllarda fosil yakıt kaynaklarının tükenmeye başlaması ve çevresel kaygılar nedeniyle yenilenebilir enerji kaynaklarının mevcut enerji üretiminde kullanım payı giderek artmaktadır. En önemli yenilenebilir enerji kaynaklarından olan güneş enerjisi; temiz, sürdürülebilir ve çevre dostu enerji kaynağı olması nedeniyle öne çıkmaktadır. Bu nedenle mevcut güneş enerji sistemlerinin işletimi veya yeni sistemlerin kurulumu sırasında, ilgili bölgelerin güneş radyasyonu özelliklerinin bilinmesi ve tahmin edilmesi çok önemlidir. Bu çalışmada, İstanbul Büyükçekmece İlçesi Eskice Bölgesine ait 2016 yılı meteorolojik verileri (güneş radyasyonu, rüzgâr şiddeti, UV radyasyon indis, toprak üstü 5 cm sıcaklık, sıcaklık 2 m, rüzgâr yönü) kullanılarak güneş radyasyonu için ileriye yönelik kısa ve orta vadeli bir tahmin çalışması yapılmıştır. Modelleme için Çoklu Lineer Regresyon (ÇLR) ve esnek hesaplama yöntemlerinden biri olan Yapay Sinir Ağları (YSA) kullanılmıştır. Geliştirilen tüm modeller istatistiksel olarak karşılaştırılmıştır. Sonuçlar güneş radyasyonu tahmininde YSA modellerinin ÇLR modellerinden daha başarılı olduğunu göstermektedir. Mevsimsel olarak güneş radyasyonu için en başarılı tahmin Haziran ayında elde edilmiştir. Bu aşamada kullanılan YSA modeli ile güneş radyasyonu için R, nRMSE ve MAPE değerleri sırasıyla 0.912, %48.5, %28.21 olarak hesaplanmıştır. Bu verilere dayalı olarak seçilen inceleme bölgesinde ve Haziran ayında güneş enerji potansiyelinin yeter güvenirlik ile tahmin edilebileceği vurgulanabilir. | en_US |
| dc.description.abstract | In recent years due to the depletion of fossil fuel resources and environmental concerns, the share of renewable energy resources in the current energy production show an increasing trend. Solar energy one of the most important renewable energy sources; is a clean, sustainable and environmentally friendly energy source. Therefore it is very important to know and estimate the solar radiation properties of the respective regions during the operation of existing solar energy systems or the installation of new systems. In this study meteorological data of 2016 (solar radiation, wind intensity, UV radiation index, surface 5 cm temperature, temperature 2 m, wind direction) belonging to Eskice region of Büyükçekmece District of Istanbul were used for a estimation solar radiation short and medium term. Multiple Linear Regression (MLR), and Artificial Neural Networks (ANN) which is one of the soft computing methods were used for modeling. All models were compared statistically. The results show that ANN models are more successful than MLR models in solar radiation estimation. Seasonally the most successful forecast for solar radiation was obtained in June. With the ANN model used in this stage for solar radiation R, nRMSE and MAPE values were calculated as 0.912, %48.5 and %28.21 respectively. Based on these data, it can be emphasized that solar energy potential can be estimated with sufficient reliability in the selected region and in June. | en_US |
| dc.identifier.citation | Gabralı, D., & Aslan, Z. (2020). Güneş enerjisi potansiyelinin çoklu lineer regresyon ve yapay sinir ağları ile modellenmesi. AURUM Mühendislik Sistemleri ve Mimarlık Dergisi, 4(1), 23-36. | en_US |
| dc.identifier.endpage | 36 | en_US |
| dc.identifier.issn | 2564-6397 | |
| dc.identifier.issue | 1 | en_US |
| dc.identifier.startpage | 23 | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12939/2004 | |
| dc.identifier.volume | 4 | en_US |
| dc.language.iso | tr | |
| dc.publisher | Altınbaş Üniversitesi | en_US |
| dc.relation.ispartof | AURUM Mühendislik Sistemleri ve Mimarlık Dergisi | |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Başka Kurum Yazarı | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Yapay Sinir Ağları | en_US |
| dc.subject | Güneş Enerjisi | en_US |
| dc.subject | Güneş Radyasyonu Tahmini | en_US |
| dc.subject | Kısa Vadeli Tahmin | en_US |
| dc.subject | Çoklu Lineer Regresyon | en_US |
| dc.subject | Artificial Neural Networks | en_US |
| dc.subject | Solar Energy | en_US |
| dc.subject | Solar Radiation Estimation | en_US |
| dc.subject | Short Term Forecast | en_US |
| dc.subject | Multiple Linear Regression | en_US |
| dc.title | Güneş enerjisi potansiyelinin çoklu lineer regresyon ve yapay sinir ağları ile modellenmesi | |
| dc.title.alternative | Modeling of solar energy potential with multiple lineer regression and artificial neural networks | |
| dc.type | Article |
