Hourly global solar radiation estimation using empirical and machine learning models in Eskişehir

Abstract

Güneş panellerine etki eden kısa dönem küresel güneş radyasyonu miktarını bilmenin önemi arttığı için, saatlik küresel güneş radyasyonu (HGSR) daha doğru ve güvenilir enerji üretim tahmini için gereklidir. Günümüzde, makine öğrenimi (ML) yöntemleri veri tahmini için büyük bir trend haline geliyor. Bu çalışmada, ML yöntemlerinin HGSR'yi tahmin etmede güvenilirliği göstermek için beş ampirik modelin ML yöntemini ile Eskişehir şehri için karşılaştırması yapılmıştır. ML yöntemlerinden, yapay sinir ağı (YSA), regresyon ağacı (RT) ve destek vektör regresyonu (SVR), HGSR'yi tahmin etmek için bu çalışmada kullanılan yöntemlerdir. Bu çalışmalar, Türkiye Devlet Meteoroloji İşleri Genel Müdürlüğü'nden elde edilen bir yıllık veri seti üzerinde gerçekleştirilmiştir. Bu yöntemlerin karşılaştırılması MATLAB yazılımı kullanılarak yapılmıştır. Bununla birlikte, bu çalışma Collares-Pereira ve Rabl (CPRG) modelinin diğer ampirik modeller arasında en doğru sonucu verdiğini kanıtlamıştır. Buna ragmen, ML yöntemleri, CPRG ampirik modelinden daha iyi performans göstermiştir. Hemen hemen tüm ML modelleri neredeyse benzer sonuçlar vermesine rağmen, SVR aralarında en iyisidir. Özetle, ML'nin güneş enerji tahmini alanında, gelecekte HGSR'yi mükemmel bir şekilde tahmin etmek için dikkate alınması gereken başarılı yöntemler olduğu gözlemlenmiştir.