Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Gelişim Üniversitesi, LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ, MEKATRONİK MÜHENDİSLİĞİ , Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: NACİYE MACİT SEZİKLİ
Danışman: Ümit Alkan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Güneş enerji santralleri, temiz ve sürdürülebilir enerji taleplerini karşılama konusunda önemli bir rol oynar. Ancak değişken hava koşulları, mevsimsel etkiler ve benzeri faktörler, fazla üretilen enerjinin depolanması veya eksik enerjiden kaynaklanan maliyetlerle sonuçlanabilir. Bu durumlar, güneş enerjisi üretiminde verimsizliklere yol açabilir. Güneş enerjisi verilerinin meteoroloji verileri ile birleştirilmesi, makine öğrenmesi teknikleriyle güneş enerjisi üretimini tahmin etmek, sistem verimliliğini artırmak ve daha sürdürülebilir enerji stratejileri geliştirmek için önemli bir kaynak sunar. Bu çalışmanın temel amacı, enerji sektöründe verimliliği artırmak ve enerji üretimini optimize etmek için güneş enerji panellerinden elde edilen enerji ile meteorolojik verileri kullanarak makine öğrenmesi yöntemleriyle, Rastgele Orman, Karar Ağaçları, K-En Yakın Komşu, Çoklu Doğrusal Regresyon, Ridge Regresyon, Lasso Regresyon, Doğrusal Regresyon, tahminler yapmaktır. Ayrıca, kullanılan makine öğrenmesi yöntemlerinin sonuçlarını değerlendirmek için R2, MSE, RMSE, MAE hata performans analizleri kullanılmıştır. Bu çalışma, mevcut modellerin elde ettiği sonuçları değerlendirerek başarılarını karşılaştırmayı amaçlamaktadır. Rastgele Orman Algoritması, en yüksek R2 puanı olan 0.968420, en düşük MSE değeri olan 0.000764 ve en düşük MAE değeri olan 0.012567 ulaşarak en başarılı algoritma olarak öne çıkmaktadır. İkinci sırada ise Karar Ağaçları algoritması gelmektedir. Diğer algoritmalar başarısı sırasına göre şu şekildedir; Çoklu Doğrusal Regresyon, K-En Yakın Komşu, Ridge Regresyon, Lasso Regresyon ve Doğrusal Regresyon. Bu sonuçlar, çalışmanın temel bulgularını yansıtmaktadır.