Solar energy power prediction system baseb on machine learning approaches

Güneş enerjisi, elektrik üretimi için önemli ve sürdürülebilir bir kaynaktır. Güneş enerjisi sistemlerinin optimizasyonu, verimliliklerini ve kullanımlarını en üst düzeye çıkarmak için gereklidir. Bu tez, güneş enerjisi optimizasyonu amacıyla makine öğrenme algoritmalarının, özellikle Destek Vektör Makinesi (SVM) ve Yapay Sinir Ağının (ANN) uygulanmasını araştırmaktadır. Araştırma, hava sıcaklığı, yüzey nemi, ışınım yoğunluğu, ozon seviyeleri, toplam çökebilir su buharı ve rüzgar hızı dahil olmak üzere güneş enerjisi üretimini önemli ölçüde etkileyen çeşitli meteorolojik parametrelerin tahmin edilmesine odaklanıyor. SVM ve ANN modellerinin performansı, tahmin edilen ve gerçek değerler arasındaki ortalama sapmayı ölçen Ortalama Karekök Hata (RMSE) metriği kullanılarak değerlendirilir. Sonuçlar, güneş enerjisi optimizasyonu için meteorolojik parametrelerin doğru bir şekilde tahmin edilmesinde SVM ve YSA modellerinin etkinliğini göstermektedir. SVM modeli 2,14 ila 16,49 arasında değişen genel bir RMSE elde ederken, YSA modeli 1,80 ila 14,23 arasında değişen RMSE ile üstün performans sergiliyor. Bu ölçümler, modelin meteorolojik parametrelerdeki değişiklikleri yakalama ve güvenilir tahminler sağlama yeteneğini belirtir. Ayrıca tez, StandardScaler kullanılarak özellik ölçeklendirme ve modellerin performansını artıran hiperparametre ayarlama süreci gibi kullanılan veri ön işleme tekniklerini de ele almaktadır. Sonuçların yorumlanmasını ve analizini kolaylaştırmak için çizgi grafikleri ve dağılım grafiklerini içeren görselleştirme teknikleri kullanılır. Bu çalışmanın bulguları, makine öğrenme teknikleri kullanılarak güneş enerjisi sistemlerinin optimizasyonuna ilişkin değerli bilgiler sunmaktadır. Meteorolojik parametrelerin doğru tahmini, güneş enerjisinden verimli bir şekilde yararlanılmasını sağlayarak sürdürülebilirliğin artmasına ve enerjinin iyileştirilmesine olanak sağlar. vii nesil. Bu araştırma, yenilenebilir enerji alanında devam eden çabalara katkıda bulunuyor ve güneş enerjisi optimizasyonunda daha fazla araştırma ve ilerlemenin yolunu açıyor.