Çok girdili-çok değişkenli çıktıya sahip derin öğrenme modelleri ile kısa vadeli güneş ışınım şiddeti ve sıcaklık tahmini
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
Güneş ışınımının kesikli ve dalgalı yapısı çoğu uygulama için ciddi sınırlamalar oluşturur. Güneş ışınım şiddetinin doğru tahmini, bir fotovoltaik güç sisteminin çıkış gücünün tahmin edilmesinde önemli bir faktördür. Bu çalışmada, kısa dönemli tahminler için çok değişkenli girdilerin iki değişkenli çıktılara etkisi incelenmiş ve bir bölgeye kurulması planlanan güneş enerji santrali için meteorolojik değişimlerin etkileri araştırılmıştır. Ayrıca çeşitli derin öğrenme modelleri ve onların hibrit kombinasyonlarının güneş ışınım şiddeti ve sıcaklık tahmini için başarıları kıyaslanmıştır. M/CNN-BİLSTM_II modeli diğer modellere kıyasla üç girdi parametresi sıcaklık, ışınım şiddeti ve nem için hem sıcaklık hem de ışınım şiddeti tahmininde en iyi performansı sergilemiştir. Modellerin performansı için RMSE, MAE, NRMSE ve R2 metrikleri kullanılmıştır. Işınım şiddeti için bu metrikler sırasıyla 1,65 W/m² (RMSE), 35,7 W/m² (MAE), %6,71 (NRMSE) ve %94,61 (R²) olarak hesaplanmıştır. Sıcaklık değerleri için ise RMSE 0,79°C, MAE 0,58°C, NRMSE %1,68 ve R² %99,32 olarak elde edilmiştir.
Fields of Study & Subjects
Solar Radiation and Photovoltaics
Hydrological Forecasting Using AI
Solar Thermal and Photovoltaic Systems
Publication details
- Journal / source
- Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi
- Volume
- 41
- Issue
- 1
- Pages
- 463–478
- Publication date
- 31 March 2026
- Language
- TR