Yenilenebilir Enerji Kaynaklarından Güneş Enerji Üretim Verilerinin YSA Metodu ile Tahmin Edilmesi Ve Kamu Yararına Sunulması

Yıl 2025, Cilt: 3 Sayı: 2, 78 - 88, 25.11.2025

Mehmet Akif Yüksel , Esma Uzunhisarcıklı , Ramazan Aldemir

https://doi.org/10.70500/bjs.1764925

Öz

Günümüzde elektrik üretiminde yenilenebilir enerji kaynaklarının kullanımı, yenilenemeyen kaynaklara göre giderek artmakta ve elektrik enerjisi tahmininde yapay zeka algoritmaları etkin bir şekilde kullanılmaktadır. Bu çalışmada, kamu kuruluşlarına ait iki farklı işletmenin güneş panellerinden alınan 2019-2022 yılları arasındaki gerçek enerji üretim verileri kullanılarak çok katmanlı ileri beslemeli YSA modeli oluşturulmuştur. Modelde hiperparametre optimizasyonu gerçekleştirilmiş, Levenberg-Marquardt (LM) algoritması diğer algoritmalarla karşılaştırılarak en iyi performansı göstermesi nedeniyle tercih edilmiştir. Veriler %70 eğitim ve %30 test oranında bölünerek, sezonluk tahmin çalışmaları gerçekleştirilmiştir. Elde edilen sonuçlara göre, YSA yöntemi ile yapılan mevsimsel tahminlerin özellikle yaz aylarında yüksek doğrulukla gerçekleştiği görülmüştür.

Anahtar Kelimeler

Yenilenebilir enerji , Güneş enerjisi , YSA.

Estimation of Solar Energy Production Data from Renewable Energy Sources Using ANN Method and Presenting It to the Public Benefit

Öz

Nowadays, the use of renewable energy sources in electricity generation is gradually increasing compared to non-renewable sources, and artificial intelligence algorithms are effectively used in energy forecasting. In this study, a multi-layer feedforward ANN model was developed using real energy production data from solar panels of two different public enterprises for the years 2019-2022. Hyperparameter optimization was performed, and the Levenberg-Marquardt (LM) algorithm was selected after comparison with other algorithms due to its superior performance. The data were split into 70% for training and 30% for testing, and seasonal prediction analyses were carried out. According to the results obtained, seasonal forecasts made using the ANN method were found to be highly accurate, especially during the summer months.

Anahtar Kelimeler

Renewable energy , Solar energy , ANN.

Kaynakça

• Adalı, E.Y., (2015). Gün Öncesi Piyasasında Saatlik ve Günlük Elektrik Fiyatları Tahmini, Master Thesis, İstanbul Technial Unıversty Energy Instude, İstanbul, Turkey.
• Ahmad, F., Khalid, S., & Khan, M. A., (2022). Enhanced solar radiation forecasting using hybrid Levenberg–Marquardt trained neural networks. Neural Computing and Applications, 75(1), 1783-1800, DOI:10.32604/cmc.2023.035736
• Aktaç, M.Y., (2016). Rüzgâr Güç Yoğunluğunun Yapay Sinir Ağı (YSA) ile Tahmini, Master Thesis, Siirt Üniversitesi, Institute of Science, Siirt, Turkey.
• Aydemir, M., (2020). Yapay Sinir Ağları ile Bütçe Gelirlerinin Tahmini, Master Thesis, Inonu University, Institute of Social Sciences, Malatya, Turkey.
• Biçer, A., (2018). Enerji Talep Tahminine Yönelik Program Geliştirme ve Bir Bölge İçin Uygulaması, Master Thesis, Afyon Kocatepe Üniversitesi Institute of Science, Afyon, Turkey
• Cihat, A., Korkmaz, O., (2009). Türkiye Kısa Süreli Elektrik Talebinin Saatlik Olarak Tahmin Edilmesi. Journal of Yasar University, Enerji, İstanbul, Turkey
• Doğan, Z., (2019). Nötral Tipteki Zaman Gecikmeli Dinamik Yapay Sinir Ağlarının Kararlılık Özelliklerinin İncelenmesi, Master Thesis, Istanbul University-Cerrahpaşa Graduate Education Institute,İstanbul,Turkey.
• Erbudak, A. E., (2022). Veri Madenciliği ve Makine Öğrenimi ile Döviz Kuru Tahmini Uygulaması, Master Thesis, Altınbaş University, Institute of Graduate Education,İstanbul,Turkey.
• Es, H. A., Kalender, F. Y., Hamzaçebi, C., (2014). Yapay sinir ağları ile Türkiye net enerji talep tahmini, Journal of the Faculty of Engineering and Architecture of Gazi University, Vol 29, No 3, 495-504, Doi:10.17341/gummfd.41725
• Harika, Ü. L. K. Ü., Yalpır, Ş., (2021). Enerji talep tahmini için metodoloji geliştirme: 2030 yılı Türkiye örneği. Niğde Ömer Halisdemir University Journal of Engineering Sciences,10(1), 188-201., Doi:10.28948/ngumuh.814134.
• İnallı, K., (2018). Keban ve Karakaya HES’de Enerji Veriminin İklim Parametrelerine Bağlı Olarak Akıllı Sistemlerle Analizi, Master Thesis, Fırat Üniversitesi Institute of Science, Elazığ, Turkey
• Li, Z., & He, Y. A Comparative Study of Scaled Conjugate Gradient and Adam for Deep Learning Optimization. Journal of Intelligent & Fuzzy Systems, 40(2), 2781–2792, 2021
• Orman, E., Köse, B., (2022). İzmir Bakırçay üniversitesi güneş enerji santralinin elektrik üretiminin saatlik tahmini. (ICADA’22) 2nd International Conference on Artificial Intelligence and Data Science, (pp1), Balıkesir, Turkey
• TEİAŞ, “İstatistikler” https://www.teias.gov.tr/turkiye-elektrik-uretim-iletim-istatistikleri [Access Date:13-March-2023].
• Zhao, H., & Yang, L. Bayesian Regularization Neural Networks for Robust Indoor Air Quality Prediction. Environmental Modelling & Software, 158, 105617, 2023