Güneş Işınımı Tahmininde Ayrıştırma-Birleştirme Öğrenme Yaklaşımı

OpenAlex Türkçe

Güneş enerjisi sistemlerinden elde edilecek elektrik enerjisi miktarı büyük oranda güneş ışınım değerine bağlı olarak değişmektedir. Bir güneş enerji sisteminin tasarımı ve planlaması, ışınım değerinin bilinmesi ile mümkündür. Güneş ışınım şiddetinin gün içerisinde yüksek değişkenlik gösteren bir yapıya sahip olması nedeniyle tek bir tahmin modeli kullanılarak bu değişimlerin yakalanması oldukça güçtür. Bu bağlamda, son yıllarda araştırmacılar tarafından tekli modellerin sınırlamalarının üstesinden gelmek ve öngörme hassasiyetini artırmak için farklı hibrit modeller ve yaklaşımlar önerilmiştir. Bu çalışmada, güneş ışınım şiddeti verilerinin tahmininde hibrit bir yaklaşım olan Ayrıştırma-Birleştirme öğrenme yaklaşımı kullanılarak yöntemin uygulanabilirliği ve performansı araştırılmıştır. Ayrıca ileriye yönelik güneş ışınımı tahminlerinin zaman çözünürlüğünün arttırılması amaçlanmıştır. Bu kapsamda Afyon Kocatepe Üniversitesi, Güneş ve Rüzgâr Enerjisi Uygulama ve Araştırma Merkezi bünyesinde yer alan bir piranometre ile saatlik olarak ölçülmüş bir yıllık güneş ışınım verisi kullanılarak 15 günlük güneş ışınımı değeri saatlik olarak tahmin edilmiştir. Öğrenme yaklaşımında ayrıştırma işlemi için Ampirik Kip Ayrışımı (AKA), bireysel tahminler için ise En Küçük Kareler Destek Vektör Regresyon (EKK-DVR) yöntemleri kullanılmıştır. EKK-DVR modellerinin en uygun parametre değerleri grid arama algoritması ve 5 katlamalı çapraz doğrulama yöntemleri kullanılarak belirlenmiştir. Çalışmadan elde edilen sonuçlar Ayrıştırma-Birleştirme öğrenme yaklaşımının güneş ışınım verilerinin tahmininde başarılı olduğunu göstermiştir.