Prediction of Photovoltaic Panel Power Outputs using Time Series and Artificial Neural Network Methods

Authors : Aylin DUMAN ALTAN, Bahar DİKEN, Birol KAYİŞOĞLU

Pages : 457-469

Doi:10.33462/jotaf.837446

View : 24 | Download : 9

Publication Date : 2021-09-07

Article Type : Research Paper

Abstract :Güneş enerjisi, son yıllarda yüksek talep gören yenilenebilir enerji kaynaklarından biridir. Fotovoltaik insert ignore into journalissuearticles values(FV); sistemlerin dünya çapında artan yaygınlığıyla birlikte, FV sistemleri güç çıkışının doğru tahmini önemli bir konu haline gelmiştir. FV sistemleri doğrudan güneş ışığını elektrik enerjisine dönüştürdüğünden, FV güç çıkışı çevre koşullarına bağlı olarak değişkenlik gösterir. FV çıkış gücünün periyodik olma ve durağan olmama sorunlarının üstesinden gelebilmek amacı ile yapılan tahminlemelerde modelleme yöntemleri yaygın olarak kullanılmaktadır. Bu çalışmanın temel amacı, kısa süreli FV güç çıkışı tahminlerinin değerlendirilmesinde yol gösterici olmaktır. Bu amaçla toplanan veriler, Tekirdağ ili Süleymanpaşa ilçesine bağlı T.C Tekirdağ Namık Kemal Üniversitesi`nde kurulan bir 250 kWp’lık FV sistemi ile gerçekleştirilen deneysel faaliyetlerden elde edilmiştir. Tüm parametreler, saat bazında farklı panel eğim açıları insert ignore into journalissuearticles values(0˚, 30˚, 60˚); dikkate alınarak üçer kez ölçülmüştür. Bu anlamda, bu çalışma tahmin modelini farklı panel açılarını da dikkate alarak genişletmesi nedeniyle literatürdeki önceki çalışmalardan farklılık göstermektedir. İlk aşamada, FV güç çıktısını tahmin etmede kullanılacak anlamlı değişkenler hem korelasyon analizi hem de aşamalı regresyon analizi sonuçlarına göre belirlenmiştir. Bulgular, güneş radyasyonunun ve panel eğim açısının, FV gücü üretiminin önemli belirleyicileri olduğunu göstermiştir. İkinci aşamada, FV sisteminin güç üretimini tahmin etmek için Zaman Serisi Analizi insert ignore into journalissuearticles values(TSA); ve Yapay Sinir Ağı insert ignore into journalissuearticles values(YSA); yaklaşımlarına dayalı olarak üç farklı model önerilmiştir. Ayrıca, enerji tahmin uygulamalarında ortaya çıkan içsel hataları daha iyi anlamak ve potansiyelini değerlendirmek için modellerin doğrulukları analiz edilmiştir. Tüm modeller korelasyon katsayısı insert ignore into journalissuearticles values(R);, belirleme katsayısı insert ignore into journalissuearticles values(R2);, ortalama mutlak yüzde hatası insert ignore into journalissuearticles values(MAPE); açısından karşılaştırılmıştır. Analiz sonuçları, FV gücünü tahmin etmek için YSA modellerinin TSA modelinden daha yüksek doğruluğa sahip olduğunu göstermektedir.
Keywords : Yapay sinir ağı, Geri yayılım, ARIMA, Tekirdağ, FV güç tahmini