Atıf Sayısı
2
Görüntüleme
27
İndirme
4
Yenilenebilir enerji kaynaklarından güneş enerji sistemlerinin tasarımında güneş radyasyonunu tahmin etmek oldukça önemlidir. Güneş enerjisi, global güneş radyasyonuna bağlıdır. Güneş radyasyonunun Yapay Sinir ağı modeli (YSA) ile tahmin edilmesinde girdi değişkeni olarak, hava sıcaklığı, güneşlenme süresi, buhar basıncı, bulutluluk gibi çeşitli meteorolojik değişkenler kullanılmaktadır. Bu çalışmada, Samsun bölgesi için Mart 2017-Şubat 2019 tarihleri arasındaki günlük güneş radyasyonu YSA yöntemi ile tahmin edilmeye çalışılmıştır. YSA yönteminde farklı giriş değişkenleri için Levenberg-Marquardt eğitim algoritması, logaritmik sigmoid ve doğrusal transfer fonksiyonu kullanılmıştır. Model performansı en yüksek 9 girişli meterolojik veriler (ortalama sıcaklık, ortalama nispi nem, ortalama rüzgar hızı, ortalama buhar basıncı, ortalama bulutluluk oranı, güneşlenme süresi, maksimum sıcaklık, minimum sıcaklık, 5 cm’de toprak sıcaklığı) ile elde edilmiştir. Test verileri için R değeri 0.9603, MSE değeri 0.3516 olarak bulunmuştur. İleri beslemeli YSA modeli yaklaşımının diğer meteorolojik değişkenler ile birlikte güneş radyasyonunu tahmin etmek için yüksek bir performans sağladığı görülmüştür. Ayrıca, YSA’ya güneşlenme süresi giriş olarak verildiğinde, R değeri 0.9032 olarak elde edilmiştir.
It is very important to predict solar radiation in the design of solar energy systems from renewable energy sources. Solar energy is dependent on global solar radiation. As a variable entered in the prediction of solar radiation with the artificial nerve network model (YSA), various meteorological variables such as air temperature, sunrise time, steam pressure, cloudy are used. In this study, we tried to predict daily solar radiation between March 2017 and February 2019 for the Samsun region by the YSA method. For different input variables in the YSA method, the Levenberg-Marquardt training algorithm, logarithmic sigmoid and linear transfer function were used. The model performance is obtained with the highest 9 input metrological data (mediate temperature, average relative moisture, average wind speed, average steam pressure, average cloud rate, sunrise time, maximum temperature, minimum temperature, soil temperature at 5 cm). For the test data, the R value was 0.9603, the MSE value was 0.3516. The advanced YSA model approach has been shown to provide high performance for predicting solar radiation along with other meteorological variables. Furthermore, when the sunlight time is given to YSA as input, the R value is achieved as 0.9032.
It is very important to predict solar radiation in the design of solar energy systems from renewable energy sources. Solar energy depends on global solar radiation. Various meteorological variables such as air temperature, sunshine duration, vapor pressure, cloudiness are used as input variables in estimating solar radiation with Artificial Neural Network Model (ANN). In this study, ANN was used to predict the daily solar radiation values of Samsun region between March 2017 and February 2019. Levenberg-Marquardt training algorithm, logarithmic sigmoid and linear transfer function were used for different input parameters in ANN method. The best model performance was obtained with 9-input meteorological data (average temperature, average wind speed, average vapor pressure, average cloudiness rate, sunshine duration, maximum temperature, minimum temperature, soil temperature at 5 cm). The correlation coefficient (R) for the test data was 0.9603 and the mean square error (MSE) was 0.3516. It has been observed that the feed forward ANN model provides a high performance for predicting solar radiation along with other meteorological parameters. In addition, when the sunshine duration was given as input to the ANN, R value was obtained as 0.9032.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
