Makine öğrenimi teknikleri kullanarak güneş radyasyonu tahmini

TBu çalışmada, makine öğrenimi teknikleri kullanılarak Diyarbakır ili için güneş radyasyonu tahmini gerçekleştirilmiştir. Yenilenebilir enerji kaynakları arasında önemi giderek artan güneş enerjisi, doğru tahmin yöntemleri ile enerji verimliliğini artırma potansiyeline sahiptir. Çalışma kapsamında, Dicle Üniversitesi merkez kampüsünde bulunan meteorolojik istasyondan alınan dakika, saat, gün, ay ve yıl bazlı veriler kullanılarak bir Yapay Sinir Ağı (YSA) modeli geliştirilmiştir. Veri ön işleme sürecinde eksik veriler doldurulmuş, aykırı değerler temizlenmiş ve veri seti normalize edilmiştir. Modelin eğitimi için veri seti %90 eğitim, %10 test oranında bölünmüş, eğitim verisinin %10'u doğrulama için ayrılmıştır. YSA modeli, giriş katmanı dâhil toplam sekiz katmandan oluşmakta olup yedi gizli katmana sahiptir. Tüm gizli katmanlar ReLU aktivasyon fonksiyonu ile eğitilmiştir. Çıkış katmanı ise tek bir nörondan oluşmakta olup herhangi bir aktivasyon fonksiyonu içermemektedir. Adam optimizasyon algoritması, 0.001 öğrenme oranı ve 1000 epoch boyunca eğitim süreci gerçekleştirilmiştir. Elde edilen sonuçlar, modelin başarılı bir tahmin performansı sergilediğini göstermektedir. Modelin aylık ortalama performansı R² değeri açısından 0.849 olup, RMSE değerleri 48.07 ile 150.32 W/m², MSE değerleri 2311.06 ile 22596.75 W²/m⁴ ve MAE değerleri ise 26.98 ile 87.39 W/m² arasında değişmektedir. Bu kapsamda modelin tahmin doğruluğu aylara göre farklılık göstermiş olup, genel hata metrikleri belirtilen aralıklarda olacak şekilde hesaplanmıştır. Geliştirilen YSA modeli, Rastgele Orman, Karar Ağacı, Destek Vektör Makineleri ve K-En Yakın Komşu gibi diğer makine öğrenim teknikleri ile kıyaslanarak, daha yüksek doğruluk ve daha düşük hata değerleri sunduğu gözlemlenmiştir. Bu sonuçlar, YSA modelinin karmaşık ve doğrusal olmayan ilişkileri etkili bir şekilde modellediğini ve geleneksel ampirik yöntemlere kıyasla daha doğru tahminler üretebildiğini kanıtlamaktadır. Çalışmanın bulguları, doğru güneş radyasyonu tahminlerinin enerji depolama birimlerinin seçimi, elektrik üretim stratejilerinin belirlenmesi ve güneş panellerinin verimli kullanımı gibi kritik süreçlere katkı sağladığını ortaya koymuştur.