Bölgesel güneş enerji potansiyelinin belirlenmesinde yeni bir yaklaşım
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: ERŞAN ÖMER YÜZER
Asıl Danışman (Eş Danışmanlı Tezler İçin): Altuğ Bozkurt
Eş Danışman: Bedri Kekezoğlu
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dünya nüfusunun hızlı bir şekilde büyümesine bağlı olarak küresel enerji krizinin artması ve çevresel sorunlar nedeniyle yenilenebilir enerji kaynakları oldukça popüler hale gelmektedir. Geniş uygulama potansiyeline sahip temiz bir enerji türü olan fotovoltaik (FV) enerji üretimi son yıllarda hızla gelişmekte ve en önemli yenilenebilir enerji kaynaklarından biri haline gelmektedir. Bu nedenle birçok ülke yenilenebilir kaynakların elektrik şebekelerine entegrasyonuna odaklanmış ve özellikle güneş enerjisi üretim sistemlerini elektrik şebekelerine geniş ölçüde dâhil etmektedirler. Güneş enerji tesislerinde üretilen güç esas olarak, FV panel yüzeyine ulaşan ışınım miktarına bağlıdır. Güneş ışınımının önceden bilinmesi güneş enerjisi sistemlerinin güvenilir planlaması ve verimli bir şekilde tasarlanması için temel bir gerekliliktir. Bu nedenle güneş ışınım tahmini oldukça önemli bir konudur. Güneş ışınımı tahmini aynı zamanda üretilen güneş enerjisi çıktısının tahmin edilmesine de yardımcı olur. Çünkü güneş ışınımının yoğunluğu doğrudan güneş enerjisi üretimi ile ilgilidir. Öyle ki güneş ışınımının yoğunluğu ne kadar yüksekse, güneş panelleri tarafından üretilen elektrik enerjisi miktarı o kadar yüksek olur. Son yıllarda, araştırmacılar tarafından güneş ışınım tahmini üzerine birçok kapsamlı çalışma yürütülmüş ve etkili güneş ışınım tahmin yöntemleri geliştirilmiştir. Bunlar fiziksel, istatiksel ve farklı metotların birleştirilmesiyle oluşturulan topluluk yöntemleridir. Ancak öğrenme algoritmalarını çok daha iyi ve kolay hale getirebilen en iyi istatiksel yöntem olan yapay zekâ (AI) uygulamalarının başarısı araştırmacıları bu alana çekmiştir. Bu tez çalışmasında, Türkiye'nin Doğu Anadolu bölgesinde bulunan Hakkâri ilinde kurulu olan Meteoroloji ölçüm istasyonunda yer alan piranometre ile elde edilen güneş ışınım verileri ile Avrupa Meteorolojik Uyduları İşletme Komisyonu (Eumetsat) resmi sitesi üzerinden eş zamanlı olarak alınan uydu görüntüleri kullanılarak derin öğrenme tabanlı yeni bir güneş ışınım tahmin modeli geliştirilmiştir. Geleneksel tahmin metotlarının aksine güneş ışınımının doğru bir şekilde tahmin edilmesi için yaklaşık olarak 90.000 km2 yeryüzü alanını kapsayan uydu görüntüleri ile derin öğrenme algoritması benimsenmiştir. Literatüre sunulan katkılar aşağıda sıralanmıştır. Bölgesel güneş ışınımının, uydu görüntüleri ve bu görüntülerin elde edilme zamanları ile eşzamanlı olarak piranometre tarafından ölçülen güneş ışınım verilerinin, evrişimsel sinir ağları (CNN) derin öğrenme modelinin görüntü analiz etme özelliği ile başarılı bir şekilde tahmin edilmesi. Kalibrasyon, iklim ve çevre koşulları gibi insan ve doğadan kaynaklanan etkilere maruz kaldığında ölçüm hatası riskleri yükselmekte olan yer kaynaklı ölçüm istasyonlarının yerini alarak FV tesisler için güneş ışınımının izlenmesi. Güneş ışınım verileri, yer kaynaklı ölçüm cihazları kullanılarak doğrudan ölçümden elde edilir. Ancak yer kaynaklı ölçüm sistemleri pahalıdır ve bakım gerektirir. Ayrıca yer kaynaklı ölçüm sisteminin her bölgede kurulumu mümkün olamayacağı için kapsama alanı sınırlıdır ve veri tabanı yetersizdir. Bu nedenle uydu görüntüleri kullanılarak güneş ışınım tahmini ile yer kaynaklı ölçüm istasyonlarına olan ihtiyacın azalacağı düşünülmektedir.