Güneş enerjisi santrallerinde yapay zeka destekli enerji üretim tahmini yöntemlerinin geliştirilmesi

Basit Öğe Kaydı
dc.contributor.advisorBayrak, Gökay
dc.contributor.authorBaşaran, Rabia
dc.date.accessioned2026-02-08T15:48:33Z
dc.date.available2026-02-08T15:48:33Z
dc.date.issued2025
dc.departmentBTÜ, Lisansüstü Eğitim Enstitüsü, Enerji Sistemleri Mühendisliği Ana Bilim Dalı
dc.description.abstractYenilenebilir enerji kaynakları, küresel enerji talebinin karşılanmasında giderek daha önemli bir rol oynamaktadır. Güneş enerjisi, en çok ve temiz yenilenebilir enerji kaynaklarından biridir. Türkiye, güneş enerjisi potansiyeli açısından oldukça zengin bir ülkedir. Bu nedenle, Türkiye'de güneş enerjisi santrallerinin kurulumu ve kullanımı son yıllarda hızla artmaktadır. Bu tez çalışmasında, Bursa Teknik Üniversitesi Mimar Sinan Kampüsü'nde şebeke bağlantılı lisanssız bir fotovoltaik güneş enerjisi santralinin fizibilitesinin araştırılması ve enerji tahmini için akıllı yöntemlerin geliştirilmesi amaçlanmaktadır. Tasarım yapılırken, kampüsün güneşlenme süresi, sistemin büyüklüğü ve sistemin maliyeti gibi faktörler dikkate alınmıştır. Enerji üretiminin tahmini için dört farklı model uygulanmıştır: Rastgele Orman (Random Forest- RF), Uzun Kısa Süreli Bellek Ağı (Long Short-Term Memory - LSTM), Doğrusal Regresyon (Linear Regression) ve Karar Ağacı (Decision Tree - DT). Bu modeller, güneş ışınımı, sıcaklık, nem ve tarihsel üretim verileri gibi parametreler kullanılarak eğitilmiştir. Modellerin performansları; Kök Ortalama Kare Hatası (RMSE), Ortalama Mutlak Hata (MAE), Ortalama Mutlak Yüzde Hata (MAPE) ve Determinasyon Katsayısı (R²) gibi benchmark metrikleriyle değerlendirilmiştir. Ayrıca çalışmada, Türkiye'deki enerji projelerinin gerçekleştirilmesinde izlenmesi gereken yasal prosedürler ve mevzuat adımları detaylı olarak ele alınmıştır. Bu bölümün amacı, enerji yatırımlarının yalnızca teknik ve ekonomik boyutlarını değil, aynı zamanda hukuki çerçevesini de ortaya koyarak Türkiye'de enerji projelerinin nasıl bir süreç içerisinde yürütüldüğüne dair bütüncül bir bakış sunmaktır. Lisanssız üretimden başvuru süreçlerine, kurum izinlerinden proje onaylarına kadar olan adımlar açıklanarak, bu tür projelerin uygulanabilirliği ve sürdürülebilirliği hakkında karar vericilere ve yatırımcılara yol gösterici bilgi sağlanması hedeflenmiştir. Sonuçlar, LSTM ve RF modellerinin yüksek doğruluk ve düşük hata oranlarıyla öne çıktığını göstermiştir. Özellikle LSTM modeli, zaman serisi verilerindeki karmaşık ilişkileri daha başarılı şekilde modelleyerek enerji tahmininde en yüksek performansı sergilemiştir. Bu çalışmayla, kampüs ölçeğinde uygulanabilir bir fotovoltaik sistemin hem ekonomik fizibilitesi hem de üretim tahmini başarıyla sunulmuştur. Türkiye'deki enerji projelerinin teknik, ekonomik ve yasal yönleri bir arada değerlendirilerek, yenilenebilir enerji planlamalarında kapsamlı bir yaklaşım sunulmuştur.
dc.description.abstractRenewable energy sources are playing an increasingly significant role in meeting global energy demand. Solar energy is one of the most abundant and clean renewable energy sources. Turkey is a country with considerable potential for solar energy. Accordingly, the installation and use of solar power plants in Turkey have increased rapidly in recent years. This thesis aims to investigate the feasibility of a grid-connected, unlicensed photovoltaic solar power plant at the Bursa Technical University Mimar Sinan Campus and to develop intelligent methods for energy forecasting. In the design process, factors such as the campus's sunshine duration, system size, and cost were taken into account. Four different models were applied for energy production forecasting: Random Forest (RF), Long Short-Term Memory (LSTM), Linear Regression, and Decision Tree (DT). These models were trained using parameters such as solar irradiance, temperature, humidity, and historical production data. The performance of the models was evaluated using benchmark metrics including Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), and the Coefficient of Determination (R²). Additionally, this study comprehensively addresses the legal procedures and regulatory steps required for implementing energy projects in Turkey. This section aims to provide not only the technical and economic aspects of energy investments but also their legal framework, thereby offering a holistic perspective on the processes through which energy projects are executed in Turkey. Steps ranging from unlicensed production applications to institutional approvals and project endorsements are explained in detail to provide guiding information to decision-makers and investors regarding the feasibility and sustainability of such projects. The results reveal that the LSTM and Random Forest models outperform others in terms of high accuracy and low error rates. In particular, the LSTM model demonstrated the highest performance by effectively capturing the complex relationships in time series data. Through this study, the economic feasibility and production forecasting of a campus-scale PV system have been successfully demonstrated. Moreover, by evaluating the technical, economic, and legal dimensions of energy projects in Turkey, the study offers a comprehensive approach for planning renewable energy systems.
dc.identifier.endpage68
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=Xau5rw3KuCgEuy-FuJQtsBmmFyf4_VF3FpCk3IKWOoJAxuqFC93nUd6cCbgjmQ8q
dc.identifier.urihttps://hdl.handle.net/20.500.12885/6238
dc.identifier.yoktezid959372
dc.language.isotr
dc.publisherBursa Teknik Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20260207
dc.subjectEnerji
dc.subjectEnergy
dc.titleGüneş enerjisi santrallerinde yapay zeka destekli enerji üretim tahmini yöntemlerinin geliştirilmesi
dc.title.alternativeDeveloping AI-assisted energy generation estimation methods in solar power plants
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu