Dünyada hızlı nüfus artışı ve fosil yakıt
kaynakları rezervlerinin azalışı ile birlikte özellikle güneş enerjisi olmak
üzere yenilenebilir enerji kaynaklarına olan talep her geçen gün artmaktadır.
Artan enerji ihtiyacını yenilenebilir enerji kaynakları ile akıllı bir yapı
formunda karşılayabilmek için akıllı şebekeler geliştirilmiştir. Akıllı
şebekelerin temel amaçlarından biri, enerji üretim sürecine yenilenebilir
enerji kaynaklarının dâhil edilmesi ve kullanımının arttırılmasıdır. Ancak,
mevcut elektrik şebekesi sistemlerine kesintili enerji üretimi yapan ve kontrol
edilemeyen yenilenebilir enerji kaynaklarının dâhil edilmesi beraberinde
çeşitli zorlukları da getirmektedir. Değişken elektrik enerjisi talebinin hangi
yenilenebilir kaynak tarafından ne zaman karşılanacağının belirlenmesi için
enerji üretiminin önceden tahmin edilmesi bu zorlukların en önemlilerindendir.
Bu sebeple bu çalışmada, atmosferik ölçümleri kullanarak santrale özgü ve saat
bazlı enerji üretimini tahmin eden bir model geliştirilmiştir. Bu model makine
öğrenmesi yaklaşımları ile oluşturulmuş ve enerji üretimi tahmini yapılmıştır.
Çoklu doğrusal regresyon, Powell optimizasyonu ve Markov Chain Monte Carlo
simülasyonlarına dayanan olasılıklı programlama gibi çeşitli yöntemler
kullanılmış ve tahmin yetenekleri birbirleriyle karşılaştırılmıştır. Enerji
üretimi analitik yaklaşımla %80 doğrulukla tahmin edilirken, olasılıksal
yaklaşımla saat bazlı %95 güven aralığında üst ve alt limitini belirtecek
şekilde başarılı tahmin edilmiştir. Bu çalışmada elde edilen sonuçlar makine
öğrenmesi ile atmosferik veriler kullanılarak değişken enerji üretiminin
önceden tahmin edilebileceğini göstermiştir. Ayrıca tahmin algoritmalarının,
yenilenebilir enerji sistemlerinin mevcut şebekeye entegrasyonunu kolaylaştıracağı
ve akıllı şebekeyi daha yaygın hale getireceği değerlendirilmektedir.
Akıllı Şebeke Güneş Enerjisi Enerji Üretimi Tahmini Makine Öğrenmesi
Birincil Dil | Türkçe |
---|---|
Konular | Matematik, Mühendislik |
Bölüm | Tasarım ve Teknoloji |
Yazarlar | |
Yayımlanma Tarihi | 11 Haziran 2019 |
Gönderilme Tarihi | 5 Nisan 2019 |
Yayımlandığı Sayı | Yıl 2019 Cilt: 7 Sayı: 2 |