Multivariate forecasting of global horizontal irradiation using deep learning algorithms

Artan fotovoltaik (PV) panel kurulumları, özellikle Kıbrıs gibi ada ülkelerinde elektrik şebekesi frekansını tehlikeye atıyor. Kuzey Kıbrıs'ta PV kurulumlarında sürekli bir büyüme ve aynı zamanda güç üretiminde geleneksel enerji kaynaklarının minimum kullanımı için, bir şebeke yöneticisinin PV panellerinin enerji üretimi hakkında bilgi sahibi olması, dolayısıyla alınan radyasyon, yani Küresel Yatay Işınlama (GHI) hakkında bilgi sahibi olması son derece önemlidir. Bu nedenle, GHI tahmini Kuzey Kıbrıs'ta yenilenebilir enerjinin büyümesinde önemli bir rol oynamaktadır. Bu çalışma, Kuzey Kıbrıs Kalkanlı için uzun vadeli ve kısa vadeli GHI tahminine odaklanmaktadır. Uzun vadeli tahminler için NASA'dan bir veri seti elde edilirken, kısa vadeli GHI tahmini ODTÜ KKK'da kaydedilen bir veri seti ile gerçekleştirilmiştir. Uzun vadeli GHI tahmini için Evrişimli Sinir Ağı (CNN) ve Uzun Kısa Süreli Bellek (LSTM) algoritmaları kullanılmıştır. Kısa vadeli GHI tahmininde CNN ve LSTM algoritmalarına ek olarak Destek Vektör Regresyonu (SVR) kullanılmıştır. Her iki veri kümesi için de hibrit ve bağımsız modeller oluşturulmuş ve performansları kapsamlı bir şekilde değerlendirmiştir. Ek olarak, CNN, LSTM ve SVR'nin hibrit modeli ile kısa vadeli GHI tahmini için mevsimsel tahmin gerçekleştirilmiştir.