Short-Term Solar Irradiance Forecasting With Deep Neural Networks
Loading...
Date
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Kadir Has Üniversitesi
Open Access Color
OpenAIRE Downloads
OpenAIRE Views
Abstract
Usage of solar energy has increased through the last decades, and they are being integrated into main grid systems since the recent years. In order to fully bene t from solar panels, predicting irradiance is essential. By knowing 15-minute ahead values of solar irradiance, resistance of the cells inside the solar panels can be measured to analyze production output. This study focuses on 15-minute ahead forecasting of irradiance by using sliding windows method on the feature set. ANN, K-NN, SVM and RF models are optimized in this study. As the result of the study, around 6% MAPE is achieved
Güneş enerjisinin kullanımı son 10 yıl içerisinde artış göstermektedir. Ek olarak bu kullanım, son yıllarda, şebeke sistemleri ile entegre edilmeye başlanmıştır. Güneş panellerinden tamamıyla yararlanabilmek için, ışımayı tahmin edebilmek çok önemlidir. 15 dakika sonrasındaki güneş ışıması değerlerini bilerek, güneş paneli içerisindeki direnci tahmin edebilir ve üretimi analiz edebiliriz. Bu çalışma sürgülü pencere yöntemini kullanarak 15 dakika sonrasındaki ışıma tahminlemesine odaklanmıştır. Yapay sinir ağları, k-en yakın komşu ve rassal orman modelleri bu çalışmada optimize edilmiştir. Bu çalışmanın sonucunda, yaklaşık olarak 6% mutlak yüzde hataya ulaşılmıştır.
Güneş enerjisinin kullanımı son 10 yıl içerisinde artış göstermektedir. Ek olarak bu kullanım, son yıllarda, şebeke sistemleri ile entegre edilmeye başlanmıştır. Güneş panellerinden tamamıyla yararlanabilmek için, ışımayı tahmin edebilmek çok önemlidir. 15 dakika sonrasındaki güneş ışıması değerlerini bilerek, güneş paneli içerisindeki direnci tahmin edebilir ve üretimi analiz edebiliriz. Bu çalışma sürgülü pencere yöntemini kullanarak 15 dakika sonrasındaki ışıma tahminlemesine odaklanmıştır. Yapay sinir ağları, k-en yakın komşu ve rassal orman modelleri bu çalışmada optimize edilmiştir. Bu çalışmanın sonucunda, yaklaşık olarak 6% mutlak yüzde hataya ulaşılmıştır.
Description
Keywords
Solar Irradiance Forecasting, Artificial Neural Networks, Random Forest, K-Nearest Neighbor, Short Term Forecasting