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

Basit Öğe Kaydı
dc.authoridhttps://orcid.org/0009-0001-3654-6457
dc.authoridhttps://orcid.org/0000-0002-0044-5494
dc.authoridhttps://orcid.org/0000-0002-7557-2981
dc.authoridhttps://orcid.org/0009-0002-6833-8158
dc.contributor.authorMacit Sezikli, Naciye
dc.contributor.authorAlkan, Ümit
dc.contributor.authorZontul, Metin
dc.contributor.authorElabiad, Zeynep
dc.date.accessioned2025-01-06T10:02:44Z
dc.date.available2025-01-06T10:02:44Z
dc.date.issued2024
dc.departmentİstanbul Gelişim Meslek Yüksekokulu
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.
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.
dc.identifier.citationMacit Sezikli, N., Alkan, Ümit, Zontul, M., & Elabiad, Z. (2024). Forecast Analysis of Renewable Solar Energy Production Using Meteorological Data with Machine Learning Methods: Makine Öğrenmesi Yöntemleriyle Yenilenebilir Güneş Enerjisi Üretiminin Meteorolojik Veriler Kullanılarak Tahmin Analizi. Journal of Aeronautics and Space Technologies, 17(2), 180–202. Retrieved from https://jast.hho.msu.edu.tr/index.php/JAST/article/view/608
dc.identifier.endpage202
dc.identifier.issue2
dc.identifier.startpage180
dc.identifier.urihttps://hdl.handle.net/11363/9164
dc.identifier.volume17
dc.institutionauthorMacit Sezikli, Naciye
dc.institutionauthorAlkan, Ümit
dc.institutionauthoridhttps://orcid.org/0009-0001-3654-6457
dc.institutionauthoridhttps://orcid.org/0000-0002-0044-5494
dc.language.isoen
dc.publisherJournal of Aeronautics and Space Technologies
dc.relation.ispartofJournal of Aeronautics and Space Technologies
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectSolar Energy
dc.subjectSolar Energy Plant
dc.subjectSolar Energy Systems (SES) Parameters
dc.subjectMeteorological Parameters
dc.subjectMachine Learning
dc.subjectMachine Learning Methods
dc.subjectGüneş Enerjisi
dc.subjectGüneş Enerjisi Santrali
dc.subjectGüneş Enerjisi Parametreleri
dc.subjectMeteorolojik Parametreler
dc.subjectMakine Öğrenmesi
dc.subjectMakine Öğrenmesi Yöntemleri
dc.titleForecast Analysis of Renewable Solar Energy Production Using Meteorological Data with Machine Learning Methods
dc.title.alternativeMakine Öğrenmesi Yöntemleriyle Yenilenebilir Güneş Enerjisi Üretiminin Meteorolojik Veriler Kullanılarak Tahmin Analizi
dc.typeArticle

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Makale / Article
Boyut:
1.19 MB
Biçim:
Adobe Portable Document Format
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
[ N/A ]
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu