Forecast Analysis of Renewable Solar Energy Production Using Meteorological Data with Machine Learning Methods

Basit Öğe Kaydı
dc.authoridhttps://orcid.org/0009-0001-3654-6457en_US
dc.authoridhttps://orcid.org/0000-0002-0044-5494en_US
dc.authoridhttps://orcid.org/0000-0002-7557-2981en_US
dc.authoridhttps://orcid.org/0009-0002-6833-8158en_US
dc.contributor.authorMacit Sezikli, Naciye
dc.contributor.authorAlkan, Ümit
dc.contributor.authorZontul, Metin
dc.contributor.authorElabiad, Zeynep
dc.date.accessioned2024-08-23T09:38:28Z
dc.date.available2024-08-23T09:38:28Z
dc.date.issued2024en_US
dc.departmentİstanbul Gelişim Meslek Yüksekokuluen_US
dc.description.abstractSolar energy power plants play a significant role in meeting the demand for sustainable and clean energy. However, variable weather conditions, seasonal effects, and similar factors can result in the need for energy overproduction to be stored or lead to costs associated with energy deficiency. These situations can result in inefficiencies in solar energy production. The objective of this study is to predict energy production, increase efficiency, and develop more sustainable energy strategies by using machine learning methods with data obtained from meteorological and solar energy panels. This study aims to assess the results achieved by existing models and compare their successes. The Random Forest algorithm, which achieved the highest R2 score, also obtained significantly lower values for MSE, RMSE, and MAE. This indicates that the Random Forest algorithm performs the best among the algorithms used in this study. This ranking of success is followed by Decision Trees and KNearest neighbors.en_US
dc.description.abstractGüneş enerjisi santralleri, temiz ve sürdürülebilir enerji taleplerini karşılama konusunda önemli bir rol oynar. Ancak değişken hava koşulları, mevsimsel etkiler ve benzeri faktörler, fazla üretilen enerjinin depolanması veya eksik enerjiden kaynaklanan maliyetlerle sonuçlanabilir. Bu durumlar, güneş enerjisi üretiminde verimsizliklere yol açabilir. Bu çalışmanın hedefi, meteoroloji ve güneş enerji panellerinden elde edilen verileri kullanarak makine öğrenmesi yöntemleriyle enerji üretimini tahmin etmek, verimliliği artırmak ve daha sürdürülebilir enerji stratejileri geliştirmektir. Bu çalışma, mevcut modellerin elde ettiği sonuçları değerlendirmeyi ve başarılarını karşılaştırmayı amaçlamaktadır. En yüksek R2 puanını alan Random Forest algoritması, aynı zamanda MSE, RMSE ve MAE değerlerinde de önemli ölçüde düşük sonuçlar elde etmistir. Bu da Random Forest algoritmasının bu çalışmada kullanılan algoritmalar arasında en iyi performans gösterdiğini göstermektedir. Bu başarı sıralamasını Karar Ağaçları ve K-En Yakın Komşu izlemektedir.en_US
dc.identifier.endpage202en_US
dc.identifier.issn1304-0448
dc.identifier.issue2en_US
dc.identifier.startpage180en_US
dc.identifier.trdizinid1252602en_US
dc.identifier.urihttps://hdl.handle.net/11363/7535
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/1252602
dc.identifier.volume17en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorMacit Sezikli, Naciye
dc.institutionauthorAlkan, Ümit
dc.language.isoenen_US
dc.publisherFatma Kutlu Gündoğduen_US
dc.relation.ispartofJournal of Aeronautics and Space Technologiesen_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectSolar Energyen_US
dc.subjectSolar Energy Planten_US
dc.subjectSolar Energy Systems (SES) Parametersen_US
dc.subjectMeteorological Parametersen_US
dc.subjectMachine Learningen_US
dc.subjectMachine Learning Methodsen_US
dc.subjectGüneş Enerjisien_US
dc.subjectGüneş Enerjisi Santralien_US
dc.subjectGüneş Enerjisi Parametrelerien_US
dc.subjectMeteorolojik Parametreleren_US
dc.subjectMakine Öğrenmesien_US
dc.subjectMakine Öğrenmesi Yöntemlerien_US
dc.titleForecast Analysis of Renewable Solar Energy Production Using Meteorological Data with Machine Learning Methodsen_US
dc.title.alternativeMakine Öğrenmesi Yöntemleriyle Yenilenebilir Güneş Enerjisi Üretiminin Meteorolojik Veriler Kullanılarak Tahmin Analizien_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
document (10).pdf
Boyut:
1.19 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale / Article
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Diğer Atıf Dizinlerdeki Yayınlar
TR-Dizin İndeksli Yayınlar Koleksiyonu