Yazar "Macit Sezikli, Naciye" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Forecast Analysis of Renewable Solar Energy Production Using Meteorological Data with Machine Learning Methods
    (Journal of Aeronautics and Space Technologies, 2024) Macit Sezikli, Naciye; Alkan, Ümit; Zontul, Metin; Elabiad, Zeynep
    Solar 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.
  • Küçük Resim
    Öğe
    Makine öğrenmesi yöntemiyle yenilenebilir güneş enerjisi üretiminin meteorolojik veriler kullanılarak tahmin analizi
    (İstanbul Gelişim Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023) Macit Sezikli, Naciye
    Güneş enerji 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. Güneş enerjisi verilerinin meteoroloji verileri ile birleştirilmesi, makine öğrenmesi teknikleriyle güneş enerjisi üretimini tahmin etmek, sistem verimliliğini artırmak ve daha sürdürülebilir enerji stratejileri geliştirmek için önemli bir kaynak sunar. Bu çalışmanın temel amacı, enerji sektöründe verimliliği artırmak ve enerji üretimini optimize etmek için güneş enerji panellerinden elde edilen enerji ile meteorolojik verileri kullanarak makine öğrenmesi yöntemleriyle, Rastgele Orman, Karar Ağaçları, K-En Yakın Komşu, Çoklu Doğrusal Regresyon, Ridge Regresyon, Lasso Regresyon, Doğrusal Regresyon, tahminler yapmaktır. Ayrıca, kullanılan makine öğrenmesi yöntemlerinin sonuçlarını değerlendirmek için R2, MSE, RMSE, MAE hata performans analizleri kullanılmıştır. Bu çalışma, mevcut modellerin elde ettiği sonuçları değerlendirerek başarılarını karşılaştırmayı amaçlamaktadır. Rastgele Orman Algoritması, en yüksek R2 puanı olan 0.968420, en düşük MSE değeri olan 0.000764 ve en düşük MAE değeri olan 0.012567 ulaşarak en başarılı algoritma olarak öne çıkmaktadır. İkinci sırada ise Karar Ağaçları algoritması gelmektedir. Diğer algoritmalar başarısı sırasına göre şu şekildedir; Çoklu Doğrusal Regresyon, K-En Yakın Komşu, Ridge Regresyon, Lasso Regresyon ve Doğrusal Regresyon. Bu sonuçlar, çalışmanın temel bulgularını yansıtmaktadır.