Heuristic vectorized learning method based PV forecasting by using image recognition-based sky camera integration within sensor set

Talep ve üretim dengesinin sürekliliğini sağlamak için, ülkeler yenilenebilir enerji kaynaklarını (YEK) kullanımı yakın gelecekte artış gösterecektir. Güneş enerjisi üretimi, yenilenebilir enerjinin elektrik şebekesine entegrasyonu için önemlidir, ancak güneş enerjisinin belirsiz ve kesintili doğası nedeniyle güç sistemlerinde problemlere neden olabilir. Derin öğrenme yöntemleri, güneş enerjisi tahmininde umut verici sonuçlar sağlamaktadır, ancak bu modellerin performansı ağa atanan başlangıç ağırlıklarına bağlıdır. Bu çalışmada, Sezgisel Vektörleştirilmiş Öğrenme yöntemi olarak adlandırılan yeni bir ağırlık başlatma yöntemi önerilmektedir. Bu yöntem, istatistiksel bir yaklaşımı derin öğrenmeye dayalı bir yöntemle birleştirerek güneş tahmininde daha iyi doğruluk elde etmeyi amaçlamaktadır. Yöntemin Xavier, LeCun, He ve Random gibi yaygın olarak kullanılan başka yöntemlerle karşılaştırması yapılmıştır ve önerilen yöntemin daha iyi performans gösterdiği görülmüştür. Genel olarak, önerilen ağırlık başlatma yöntemi, elektrik şebekesine yenilenebilir enerji entegrasyonu bağlamında güneş tahmini uygulamaları için önemli faydalar sağlamaktadır. Dolayısıyla, çevresel sensör verileriyle birlikte kullanılarak fotovoltaik üretim tahmini için bir hibrit model oluşturulmuştur. Önerilen yöntem ve panel gölgeleme modeli, Kayseri ilinde bulunan Abdullah Gül Üniversitesi yerleşkesinde daha yüksek doğruluk değerleri elde etmektedir. Önerilen sistem, gün içi enerji piyasaları için güvenilir bir PV enerji tahmini sağlar.