Kısa dönem güneş ışınım tahmininde farklı hibrit yöntem oluşturma stratejilerinin başarılarının karşılaştırılması
Öz
Güneş ışınım değeri, güneşten sağlayabileceğimiz enerji miktarı konusunda önemli bir bilgi taşır ve uygun bir planlama için ışınımın gelecek değerinin kestirilebilmesi gerekir. Bu kapsamda çok farklı tahmin modelleri geliştirilmiş olup, son dönemde, farklı modellerin üstünlüklerinden faydalanmak amacıyla geliştirilen hibrit modeller ön plana çıkmaktadır. Bu çalışmada farklı hibrit model oluşturma stratejilerinin güneş ışınım tahminindeki başarısı incelenmiştir. Bu kapsamda iki regresyon modeli (AR ve RIDGE) ile iki yapay zekâ yöntemi (Yapay Sinir Ağı (YSA) ve Elman Sinir Ağı (ENN)) referans yöntemler olarak seçilmiştir. Bu dört yöntemden farklı hibrit model oluşturma stratejileri kullanılarak 4 farklı hibrit model oluşturulmuştur. Güneş ışınım verileri önce her bir yöntem bireysel kullanılarak modellenmiş sonra aynı süreç oluşturulan hibrit modeller ile gerçekleştirilmiştir. Hibrit modeller ile elde edilen sonuçlar hem birbirleri ile hem de bireysel modellerden elde edilen sonuçlar ile karşılaştırılmış ve performansları değerlendirilmiştir.
Anahtar Kelimeler
Güneş ışınımı, Hibrit strateji, Regresyon modeli, Yapay sinir ağı modeli
Kaynakça
- Alkan, Ö., Öztürk, A., & Tosun, S. (2018). Rüzgâr ve güneş santrallerinde kısa dönem enerji üretim tahmini için matematiksel modellerin oluşturulması. Düzce Üniversitesi Bilim Ve Teknoloji Dergisi, 6(1), 188-195. https://doi.org/10.29130/dubited.359698
- Akarslan, E., & Hocaoglu, F. O. (2017). A novel method based on similarity for hourly solar irradiance forecasting. Renewable Energy, 112, 337–346. https://doi.org/https://doi.org/10.1016/j.renene.2017.05.058
- Akarslan, E., Hocaoğlu, F. O., & Edizkan, R. (2014). A novel M-D (multi-dimensional) linear prediction filter approach for hourly solar radiation forecasting. Energy, 73, 978–986. https://doi.org/https://doi.org/10.1016/j.energy.2014.06.113
- Akarslan, E., & Hocaoglu, F. O. (2016). A novel adaptive approach for hourly solar radiation forecasting. Renewable Energy, 87, 628–633. https://doi.org/10.1016/j.renene.2015.10.063
- Al-Shamisi, M. H., Assi, A. H., & Hejase, H. A. N. (2013). Artificial neural networks for predicting global solar radiation in al ain city-UAE. International Journal of Green Energy, 10(5), 443–456. https://doi.org/10.1080/15435075.2011.641187
- Arseven, B., & Çınar, S. M. (2023). Dünya dışı ışınımlarla iyileştirilmiş ARIMA, ridge regresyon ve lasso regresyon yöntemlerinin saatlik ışınım tahmininde kullanılması. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi 12(3), 733-742. https://doi.org/10.28948/ngumuh.1249503
- Başaran Filik, Ü., & Filik, T. (2017). Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım. Karaelmas Fen ve Mühendislik Dergisi, 7(2), 419-427.
- Belmahdi, B., Louzazni, M., Marzband, M., & El Bouardi, A. (2023). Global Solar Radiation Forecasting Based on Hybrid Model with Combinations of Meteorological Parameters: Morocco Case Study. Forecasting, 5(1), 172–195. https://doi.org/10.3390/forecast5010009
- Benmouiza, K., Cheknane, A. %J E. C., & Management. (2013). Forecasting hourly global solar radiation using hybrid k-means and nonlinear autoregressive neural network models. Energy Conversion and Management 75, 561–569. https://doi.org/10.1016/j.enconman.2013.07.003
- Büyükuysal, M. C. (2010). Ridge regresyon analizi ve bir uygulama. [Yüksek Lisans Tezi, Uludağ Üniversitesi Sağlık bilimleri Enstitüsü]