Görüntüleme
13
İndirme
3
Yenilenebilir enerji kaynaklarından biri olan güneş ışınımlarının dünya yüzeyine düşen miktarının değişken olması bu kaynağı kullanan özellikle elektrik güç üretim sistemlerinin çıktısında belirsizlik yaratır. Bu nedenle güneş ışınımı tahmini planlamada çok önemli bir süreç haline gelmektedir. Bu makale, torbalama karar ağacı tabanlı makine öğrenimini kullanarak güneş ışınımının kısa vadeli bir tahminini elde etmeyi amaçlamaktadır. Önerilen yöntemin girdileri olarak hava sıcaklığı, saat, gün, ay ve önceki güneş ışınım değeri belirlenmiştir. Yöntemin performansı ölçülen veriler üzerinde test edilmiştir. Elde edilen sonuçlara göre R2 ve RMSE değeri sırasıyla 0.87 ve 91.282 olarak bulunmuştur. Sonuç olarak bu yöntem ile değişen güneş ışınımlarının kabul edilebilir farklılıklarla tahmin edilebilir olduğu ortaya konmuştur.
Solar energy is one of the most widely used renewable energy sources to generate electricity. However, the amount of solar radiation reaching the earth's surface is variable, creating uncertainty in the output of electrical power generation systems that use this source. Therefore, solar irradiance prediction becomes a critical process in planning. This study presents a short-term prediction of solar irradiance using bagging decision tree-based machine learning. As the inputs of the proposed method, air temperature, hour, day, month, and previous solar irradiance values were determined. The performance of the proposed method is tested on the measured data. The R2 and RMSE values are 0.87 and 91.282, respectively, according to the results obtained. As a result, it has been revealed that the varying solar irradiance can be predicted with acceptable differences with this method.
Alan : Fen Bilimleri ve Matematik; Mimarlık, Planlama ve Tasarım; Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
