Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi

Abstract

Yenilenebilir enerji, fosil yakıt enerji kaynakları kullanımını ve bu tür yakıtların kullanımı sonucu ortaya çıkan çevre kirliliğini ve dolayısıyla küresel iklim değişimini en aza indirmek adına, başta Avrupa olmak üzere bütün dünya çapında umut verici teknolojilerin en önemlilerinden birisi olarak kabul edilmektedir. Bu bağlamda dünya genelindeki yenilenebilir enerji santralleri sayısı günden güne artmaktadır. Dünyadaki yenilenebilir enerji kaynakları içerisinden en sık kullanılanlardan birisi güneş enerjisidir. Güneş enerjisinden yüksek verim elde edebilmek için, kurulacak santrallerin planlaması ve arazi tahsisi çok önemlidir. Çünkü başta güneş ışınlarının yoğunluğu ve güneşlenme süresi olmak üzere, güneşten yüksek verimde elektrik elde edebilmek için gerekli meteorolojik koşullar coğrafi konumlara göre farklılık göstermektedir. Meteorolojik koşulların haricinde arazinin fiziksel koşullarının da santral kurulumuna uygun seçilmesi, güneş panellerinin güneşten maksimum miktarda ışık almasını ve gölgelenmeden korunmasını sağlamak için önemlidir. Ayrıca kurulu santrallerden ne kadar elektrik üretilebileceğini yaklaşık olarak bilmek, termik kaynak kullanımının planlamasında büyük rol oynar. Güneş enerji santrallerinden enerji üretimi; güneş ışınlarının geliş açısı, sıcaklık, coğrafi konum, gölgeleme, hava kirliliği ve yağış gibi coğrafi bilgi katmanlarına bağlı değişkenlik göstermektedir. Bu tez çalışması ile güneş enerjisi üretimine etki eden coğrafi bilgi katmanlarının dinamik olarak işlendiği bir matematiksel model geliştirilmiş, gerçekleştirilen enerji üretimi tahminlenmesi ile santral sahiplerine, dağıtım şirketlerine ve resmi kurumlara referans bilgilerin sunulması amaçlanmıştır. Modelde, makine öğrenmesi ve zaman serisi algoritmaları kullanılarak, yüksek başarı oranı içeren tahminlerin yapılması amaçlanmış ve yapay zeka teknikleri kullanmanın geleneksel aritmetik hesaplamalara göre tahmin başarı oranı açısından farkı da incelenmiştir. Bu çalışma ile, tasarımı ve demo modeli oluşturulan coğrafi bilgi sistemi sayesinde yapılacak güneş enerjisi üretim tahmini sonucu, hem mevcut hem de yeni güneş enerjisi santralleri için daha hassas değerlendirmelerin yapılmasına ve yatırımların geri dönüşünün arttırılabilmesine olanak tanıyacaktır. Geliştirilen makine öğrenimi tabanlı modelde yer alacak coğrafi katmanların haricindeki panel ve insan kaynaklı üretime etki eden faktörler ise, güneş santrallerinin kapasite ve üretim izlemesini yapan Scada sistemlerindeki veriler kullanılarak hesaplanmaktadır. Makine öğrenmesi tabanlı tahmin modeli için yazılım geliştirme, sunucu ve operasyonel maliyetlerin hesaplanması için gerçekleştirilen fizibilite çalışması da böyle bir model oluşturmanın ve kullanmanın tahmini maliyet değerlerini ortaya koymuştur. Ayrıca santrallerde güneş takip sistemi olup olmaması durumu da göz önünde bulundurulmuş ve güneş takip sistemi dahiliyeti sonucu oluşacak üretim tahmini de hesaplanmıştır. Sonuç olarak güneş enerjisi santrallerinde üretim tahmini yaparken coğrafi bilgi verileri ve yapay zeka modelleri kullanıyor olmanın geleneksel hesaplama yöntemlerine göre daha başarılı sonuçlar verdiği görülmüştür.