Durusu A., Beydilli M.(Yürütücü)
TÜBİTAK Projesi, 2023 - 2024
Yenillenebilir enerji sistemleri gün geçtikçe hayatımızda daha büyük yer ve önem kazanmaktadır. Yenilenebilir
enerji sistemlerinin verimliliği ve kesintisiz çalışabilmesi için hibrit yaklaşımlar mevcuttur. Bununla beraber
yalnızca yenilenebilir enerji sistemleri kullanan üreticiler vardır ve belirli bir alana güneş tarlaları veya rüzgar
tarlaları kurulur.
Yalnızca yenilenebilir enerji sistemiyle üretim yapan bir tesis, anlık olarak değişen hava koşullarına uyum
sağlamak veya üretmesi gereken enerjinin altına düşmesi durumlarının önüne geçmek için batarya sistemlerini
kullanmak zorundadır. Bu sistemlerin kullanılması ekstra maliyete sebep vermektedir.
Yapacağımız çalışmada hedefimiz, çeşitli firmalara günlük bazda ne kadar elektrik enerjisi üreteceği konusunda
tahmin yapmakta zorlanan tesislerin, bu problem sebebiyle karşılaştıkları sorunların en önemlilerinden birini
çözmek ve onların değişen hava koşullarından minimum seviyede kayıpla bu durumu karşılamaların
sağlayabilmek ve bu sayede ülkemize, yenilenebilir enerji konusunda yeni bir bakış açısı kazandırarak yenilikçi
projelerde bulunabilecek mühendislerin kazandırılacağı düşünülmektedir.
Toplam günlük güneş radyasyonu, yenilenebilir enerji performans tahmininde en önemli parametre olarak kabul
edilir. Enerji sistemleri, özellikle fotovoltaik güç sistemlerinin boyutlandırılması, tarım ve bina tasarımı
uygulamalarında büyük bir öneme sahiptir.
Hui-Min Zuo ve diğer arkadaşalarının önerdiği metod şöyledir. Güneş radyasyonunun doğal değişkenliği ile,
güneş ışınımının doğru kısa vadeli tahmini, elektrik şebekelerini maliyet etkin bir şekilde stabilize etmek ve
işletmek için çok önemlidir. Bulut, dakika ölçeğinde güneş ışınımındaki değişimler için en önemli etkileyen
faktördür. Bu çalışma, derin bir öğrenme ağına dayalı kısa vadeli bir güneş ışınımı tahmin modeli önermektedir.
İlk olarak, farklı gökyüzü koşullarında bulut kapsamını hesaplamak için yeni bir hibrit bulut algılama yöntemi
önerilmiştir. Mevcut andaki bulut kapsamı ile 10 dakika sonraki küresel yatay ışınım (KYI) arasındaki ilişki, bulut
hareketini katı hareket olarak varsayma hatasını önlemek için doğrudan analiz edilir. On dakikadaki KYI ile güçlü
bir korelasyona sahip olan meteorolojik parametreler, bu çalışmada esas olarak bağıl nem ve 500 nm Aerosol
Optik Derinliği (AOD) dahil olmak üzere model girdisine kabul edilir. Önümüzdeki iki zaman aralığının GHI'sı da
diğer kapsamlı etkileri temsil etmek için otokorelasyon analizinden sonra seçilir. Bulutla birlikte, göktaşı
parametreleri ve tarihsel GHI, uzun kısa süreli bellek ağına (KSBA) dayanan ve Bayesian Optimization (BO)
tarafından optimize edilen bir derin öğrenme ağının girdisi olarak eş zamanlı olarak alınır. On dakika sonraki
güneş ışınımı, modelin çıktısıdır. Önerilen tahmin modelinin performansını bazı kıyaslama modelleriyle
karşılaştırarak değerlendirmek için deneyler yapılmıştır. Sonuçlar, önerilen modelin, tüm gökyüzü koşullarında
%15,25'lik normalize edilmiş ortalama karekök hatası (nRMSE) ile diğer modellerden daha iyi performans
gösterdiğini göstermiştir. Kalıcı modele göre %8,23 iyileşme sağlanmıştır. Projemezin temel enerji kaynakları güneş enerjsidir. Bu kaynaklar sistem kurulmadan ve devre tasarımları
yapılmadan önce Simulink ve Python gibi programlarda simüle edilecektir ve sonuçlar sistem üzerinden tahmin
edilecektir.Sistemin bilgisayar ortamında hazırlanması ve yüksek doğrulukla çalışabilirliği hedeflenmektedir. Sistemin kontrolü, kullanılan yapay zeka algoritmaları ve matlabda kurulan yapay güneş paneli santrali ya da yapay olarak oluşturulan çatı üzeri panellerin tespiti derin öğrenme algoritmaları tarafından tespit edilecektir.
Ardından derin öğrenme algoritmaları ile gökyüzü görsellerinden derin öğrenme algoritmaları ile ne kadar güneş
ışınımı olacağı tahmin edilip kısa süreli olarak güneş tarlasının veya çatı üzeri panelin ne kadar elektrik enerjisi
ürettiği tahmin edilecektir.