Bir hava ısıtmalı güneş kollektörünün enerji veriminin makine öğrenmesi algoritmaları ile modellenmesi

Enerji üretiminde kullanılan fosil yakıtların maliyet-talep artışı ve çevreye olan olumsuz etkileri nedeniyle günümüz de araştırmacılar insanlığın geleceği için sürdürülebilir farklı enerji kaynaklarını araştırma ihtiyaç duymuştur. Bu sebeple güneş enerjisinin temiz ve yenilenebilir bir enerji kaynağı olarak kullanımı giderek artış göstermiştir. Güneş'ten fayda sağlamak için çalışması ısı eşanjörü şeklinde olan güneş kollektörlerinin kullanımı yaygındır. Ayrıca güneş enerjisinde verilerin enerji sistemlerinin analizi ve değerlendirilmesinde kullanılması, doğru tahmin edilmesi ve faydalı modellerin oluşturulmasına yönelik çalışmalar son yıllarda artış göstermiştir. Güneş kollektörlerinde veri analizinde dünyanın farklı yerlerinde kullanılan en yaygın yöntem makine öğrenmesidir. Makine öğrenimi algoritmaları, esnek ve parametrik olmayan modelleme araçlarıdır. Karmaşık problemlerde oldukça etkilidir. Tahmin, sınıflandırma, kümeleme gibi birçok probleme çözüm bulabilmektedir. Bu tez, havalı güneş kollektörünün (HGK) termodinamiğin 1. Yasası ile elde edilen enerji verimliliği değeri için bir makine öğrenme algoritması ile faydalı bir model sunmaktadır. Bu model için pace regresyon, yapay sinir ağı, karar ağacı ve destek vektör makine algoritmaları kullanılmıştır. Pace regresyon sayesinde HGK'nın termal performansı matematiksel bir eşitlik ile ifade edilmiştir. Daha önce deneysel çalışması yapılmış bir HGK'nın enerji verim değerleri %3 doğruluk ile karar ağacı algoritması tarafından modellenmiştir. Elde edilen modellerin doğruluk sonuçları, makine öğrenmesi algoritmaları ile üretilen enerji denklemlerinin farklı tip güneş kolektörlerinde de kullanılabilme potansiyeline sahip olabileceği göstermektedir.