Estimation of Solar Radiation Using Artificial Neutral Network for Different Climate Zones in Türkiye

Öz

The useful energy obtained from solar energy in both thermal and electrical applications depends on the radiation coming to the surface and the amount of this radiation varies according to location, time, climatic conditions and environmental conditions. Determination correctly way of the amount of radiation is important for the efficient design and operation of solar-powered energy systems. In this study, an Artificial Neural Network (ANN) model was developed for solar radiation estimation by using MATLAB application for four cities (Kayseri, Rize, Hakkari and İzmir) located in different climatic zones of Türkiye. While estimating the solar radiation, the effect of the geographical data of the cities consisting of latitude, longitude, and altitude, as well as the effect of meteorological data such as average temperature, relative humidity, cloudiness, and vapor pressure are also discussed. Considering all these factors, the best estimation result in the model established is Hakkari with R2=0.93, followed by İzmir, Kayseri and Rize cities, respectively. For each city, it was seen that there was a correspondence between the values estimated by ANN and the measured values.

Anahtar Kelimeler

• Solar radiation
• Solar radiation prediction
• Artificial neural networks
• MATLAB

Türkiye’de Farklı İklim Kuşakları İçin Yapay Sinir Ağları Kullanılarak Güneş Işınımının Tahmini

Öz

Güneş enerjisinden gerek termal gerekse elektrik uygulamalarında elde edilen faydalı enerji yüzeye gelen ışınıma bağlıdır ve bu ışınım miktarı konum, zaman, iklimsel koşullar ve çevre koşullarına göre değişmektedir. Güneş enerji destekli enerji sistemlerinin etkin bir şekilde tasarlanması ve çalıştırılması için ışınım miktarının doğru bir şekilde belirlenmesi önem arz etmektedir. Bu çalışmada Türkiye’nin farklı iklim kuşaklarında yer alan dört il (Kayseri, Rize, Hakkari ve İzmir) için MATLAB uygulamasıyla Yapay Sinir Ağları (YSA) modeli oluşturulup güneş ışınımı tahmini yapılmıştır. Güneş ışınımı tahmini yapılırken illerin enlem, boylam ve rakımdan oluşan coğrafik verilerinin etkisinin yanı sıra ortalama sıcaklık, bağıl nem, bulutluluk ve buhar basıncı gibi meteorolojik verilerin etkisi de ele alınmıştır. Tüm bu etkenler göz önüne alındığında kurulan modelde en iyi tahminleme sonucu R2=0.93 değeriyle Hakkari ilinde olup sırasıyla İzmir, Kayseri ve Rize illeri takip etmektedir. Her bir il için YSA ile tahmin edilen değerler ile ölçülen değerler arasında uyum olduğu görülmüştür.

Anahtar Kelimeler

• Güneş ışınımı
• Güneş ışınım tahmini
• Yapay sinir ağları
• MATLAB

Kaynakça

1. [1] Şahan M., Yapay Sinir Ağları ve Angström-Prescott Denklemleri Kullanılarak Gaziantep, Antakya ve Kahramanmaraş İçin Global Güneş Radyasyonu Tahmini. Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi Fen Dergisi, 16 (2021) 368-384.
2. [2] Kılıç B., Kumaş K., Burdur İli Güneşlenme Değerlerinin Yapay Sinir Ağları Metodu İle Tahmini. Teknik Bilimler Dergisi, 6 (2016).
3. [3] Güleç H.G., Demirel H., Meteorolojik Veriler Kullanılarak Kastamonu İli Güneşlenme Şiddetinin Yapay Sinir Ağları ile Tahmini. Technological Applied Sciences, 12 (2017) 114-121.
4. [4] Çevı̇k S., Cakmak R., Altas İ., A Day Ahead Hourly Solar Radiation Forecasting by Artificial Neural Networks: A Case Study for Trabzon Province. In 2017 International Artificial Intelligence and Data Processing Symposium (IDAP), (2017) 1-6.
5. [5] Kuncan F., and Şahin M., Yapay Sinir Ağı ve Uydu Dataları Kullanılarak Güneş Radyasyonunun Tahmini, International Artificial Intelligence and Data Processing Symposium (IDAP), (2017) 1-10.
6. [6] Sözen A., Arcaklioǧlu E., Özalp M., Kanit E.G., Use of Artificial Neural Networks for Mapping of Solar Potential in Turkey. Applied Energy, 77 (2004) 273-286.
7. [7] Arslan G., Bayhan B., Yaman K., Mersin / Türkiye için Ölçülen Global Güneş Işınımının Yapay Sinir Ağları ile Tahmin Edilmesi ve Yaygın Işınım Modelleri ile Karşılaştırılması. Gazi University Journal of Science Part C: Design and Technology, 7 (2019) 80-96.
8. [8] Yeşilbudak M., Çolak M., Bayındır R., Ankara İlinin Uzun Dönem Global Güneş Işınım Şiddeti, Güneşlenme Süresi ve Hava Sıcaklığı Verilerinin Analizi ve Eğri Uydurma Metotlarıyla Modellenmesi. Gazi University Journal of Science Part C: Design and Technology, 6 (2018) 189-203.

9. [9] Oyewola O.M., Ismail O.S., Olasinde M.O., ve Ajide O.O., Yapay Sinir Ağı Yaklaşımı Kullanılarak Fiji'deki Güneş Enerjisi Potansiyelinin Haritalanması. Heliyon, 8 (2022).
10. [10] Geetha A., Santhakumar J., Sundaram, K.M., Usha S., Thentral T.T., Boopathi, C.S., Sathyamurthy R., Prediction of hourly solar radiation in Tamil Nadu using ANN model with different learning algorithms. Energy Reports, 8, (2022) 664-671.
11. [11] Izgi E., Öztopal A., Yerli B., Kaymak M.K., Şahin, A.D., Short–Midterm Solar Power Prediction by Using Artificial Neural Networks. Solar Energy, 86 (2012) 725-733.
12. [12] Fadare D.A., Modelling of Solar Energy Potential in Nigeria Using an Artificial Neural Network Model. Applied Energy, 86 (2009) 1410-1422.
13. [13] Al-Shamisi M., Assi A., Hejase H., Estimation of Global Solar Radiation Using Artificial Neural Networks in Abu Dhabi City, United Arab Emirates. Journal of Solar Energy Engineering, 136 (2014).