ŞEBEKEYE BAĞLI FOTOVOLTAİK SİSTEMLERDE ÜRETİLEN ENERJİNİN YAPAY SİNİR AĞLARI KULLANILARAK TAHMİNİ

Abstract

Yapılan bu tez çalışmasında günümüz enerji ihtiyacının karşılanmasında kullanımı gittikçe yaygınlaşan fotovoltaik (PV) sistemlerden elde edilecek enerjinin tahmini konusu ele alınmıştır. Çalışmanın başında PV sistemlerin güç karakteristikleri, çalışma prensibi, yapısı, PV panellerin güneş ile olan açısal ilişkileri ile ışınım hesaplamaları araştırmalarla ortaya konmuştur. Daha sonra PV sistemlerden elde edilecek enerjinin tahmini için yapay sinir ağları (YSA) ve mimarileri hakkında temel bilgiler verilmiş olup normalizasyon kurallarının YSA performansı üzerindeki önemine değinilmiştir. Bu çalışmada, Elazığ'da bulunan 2.3 kW'lık fotovoltaik bir sistemin ürettiği günlük enerji miktarı, Elazığ'ın 2013 yılı meteorolojik verileri kullanılarak YSA ile tahmin edilmeye çalışılmıştır. Elde edilen meteorolojik veriler bir dizi hesaplama ve çevrimler ile yapay sinir ağı için uygun verilere dönüştürülmüştür. Bunun yanında fotovoltaik sistemin 2013 yılında şebekeye verdiği enerji miktarı verileri de inverter aracılığıyla elde edilip YSA'nın eğitim aşamasında kullanılmıştır. Veriler eğitim ve test olmak üzere iki gruba ayrılmış olup eğitim verileriyle, farklı YSA mimarileri kullanılarak yapay sinir ağı eğitilmiştir. Eğitimler sonunda en iyi performansa sahip YSA modeli temel alınarak test verileri denenmiş ve simülasyon verileri ile inverter gerçek verileri karşılaştırılmıştır. Çalışmadaki hesaplama ve analizlerde Matlab yazılım geliştirme ortamı kullanılmıştır.

The subject of this thesis is the estimation of the energy to be obtained from photovoltaic (PV) systems increasingly used to meet today's energy demand. At the beginning of the study, the power characteristics, working principle, structure of PV systems and angular relationships between PV panels and the sun as well as the radiation calculations are demonstrated with researches. Then, the basic information about artificial neural networks (ANN) and their architectures is provided for estimation of the energy to be obtained from PV systems, and the importance of normalization rules on the performance of ANN is mentioned. The aim of this study is to attempt to predict the daily amount of energy produced by a photovoltaic system of 2.3 kW in Elazig with ANN through 2013 meteorological data of Elazig. Meteorological data obtained was converted into suitable data for the artificial neural network through a series of calculations and conversion methods. Further, the data of energy amount given to the network by photovoltaic system in 2013 was obtained through inverter and used in the training phase of ANN. While data was separated into two groups as training and test data, the artificial neural network was trained by using training data and different ANN architectures. At the end of training, the test data was tried on the basis of the ANN model with the best performance and simulation data was compared with the inverter actual data. The Matlab software development environment was used in calculations and analyses during the study.