GÜNEŞ VE RÜZGÂR ENERJİ SANTRALLERİNDE ÜRETİM DEĞERLERİNİN İKLİM PARAMETRELERİNE BAĞLI OLARAK YAPAY ZEKÂ YÖNTEMLERİ İLE TAHMİNİ VE GÜNEŞ ENERJİSİ FİZİBİLİTE YAZILIMININ GELİŞTİRİLEREK ÜRETİM TAHMİNİNİN YAPILMASI

Abstract

Elektrik enerjisi depolanamayan, üretildiği anda tüketilmesi gereken, arz talep dengesi sistem tarafından sürekli olarak korunan bir enerji türüdür. Bu dengenin korunması ciddi bir planlama gerektirmektedir. Söz konusu denge, üretim, iletim ve tüketimin her an koordinasyonu ile sağlanabilir. Bu nedenle elektrik üretiminin tahmini büyük önem arz etmektedir. Bu çalışmada yenilenebilir enerji kaynaklarından olan güneş ve rüzgâr enerji santrallerinin meteorolojik ve jeolojik verilere bağlı olarak üretim verilerinin tahmini yapılarak Güneş Enerji Santrali Fizibilite Yazılımı geliştirilmiştir. Üretim tahmininin yapılabilmesi için yapay zekâ uygulamalarından olan doğrusal olmayan modellerin tahminindeki başarısı nedeniyle ileri beslemeli geri yayılımlı Yapay Sinir Ağı (YSA), Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi (ANFIS) ve derin öğrenme modeli Uzun Kısa Süreli Bellek (Long/Short Term Memory-LSTM) kullanılmıştır. Tahmin edilen üretim güç değerlerinin (MWh) gerçek üretim güç değerlerine çok yakın değerler aldığı görülmüştür. YSA, ANFIS ve LSTM' in tahminleri karşılaştırılmıştır. Gelecekte yapılacak tahmin çalışmalarında geleneksel yöntemlere alternatif olarak yapay zekâ uygulamalarının başarılı bir şekilde uygulanabileceği gösterilmiştir. Seçilen bir konum için güneş enerjisi kurulumu analizi yapabilecek Güneş Enerji Santrali Fizibilite Yazılımı ile seçilen konumun güneş enerjisi yatırımına uygun olup olmadığı analiz edilebilmekte, panel ve inverter sayıları hesaplanarak maliyet analizi yapılabilmektedir.Geliştirilen yazılım ile MATLAB yazılımı üzerinden derin öğrenme modeli olan LSTM ile üretim tahmini yapılmıştır. Yapılan üretim tahminleri diğer güneş enerji santrali üretim tahmini yapan programlarla karşılaştırılmıştır. LSTM ile yapılan tahminin diğer tahmin programlarından daha iyi tahmin yaptığı görülmüştür.Electricity energy is a type of energy that cannot be stored, consumed as soon as it is produced, and the supply-demand balance is constantly maintained by the system.Maintaining this balance requires serious planning. It is possible to achieve the balance in question by the moment coordination of production, transmission and consumption.For this reason, the estimation of electricity production is of great importance. In this study, production estimation of wind energy, one of the renewable energy sources, has been made.The production data has been estimated based on the meteorological and geological data of a wind power plant (RES) in Adıyaman province.In order to make the production estimation, feed forward back propagation artificial neural network (ANN) was used due to its success in predicting linear nonlinear models, which are artificial intelligence applications and Adaptive Network Based Fuzzy Inference System(ANFIS) and deep learning modeling Long/Short Term Memory-LSTM.It has been observed that the estimated production power values (MWh) are very close to the actual production power values. Estimates made by ANN, ANFIS and LSTM compared. In the future forecasting studies, it was shown that ANN, ANFIS and LSTM can be applied successfully as an alternative to conventional methods.In addition, Solar Power Plant Feasibility Software has been developed to analyze solar energy installation for a selected location.With the developed software, it can be analyzed whether the selected location is suitable for solar energy investment, and cost analysis can be made by calculating the number of panels and inverters.With the developed software, production estimation was made with LSTM, which is a deep learning model, over MATLAB software. Production estimations made are compared with other solar power plant production estimation programs. It has been seen that the estimation made with LSTM makes better estimation than other estimation programs.