Master'sOpen Access

Şebeke bağlantılı güneş enerji santralinin güç verimliliğinin performans analizi ve tahmini

2022
0 views
0 downloads
Advisor: Dr. Öğr. Üyesi Ali Ünlütürk

Abstract (TR)

Bu tez çalışmasında, doğrudan şebeke bağlantılı ve üç fazlı merkezi invertör topolojisine sahip Şenyurt (Erzurum/Türkiye) Güneş Enerji Santralinin (GES) güç üretiminin gerçek zamanlı izlenebilmesi ve tahmini için parametrik ve nonparametrik regresyon modelleri geliştirilmiştir. Geliştirilen regresyon tabanlı güç tahmin modellerinde Şenyurt GES'in bünyesinde var olan hava istasyonu sensörlerine ait veriler kullanılmıştır. Şenyurt GES'in bünyesinde bulunan hava istasyonunda güneş ışınımı sensörü, Fotovoltaik (PV) hücre sıcaklık sensörü, dış ortam sıcaklık sensörü ve rüzgâr hızı sensörü bulunmaktadır. GES'in güç üretim tahmin modelinde 2020 yılına ait tüm hava istasyonu sensör verileri ile birlikte aktif güç üretim değerleri de kullanılmıştır. Güç üretim tahmin modelinde ilk olarak parametrik istatistiksel tekniklerden olan Çoklu Lineer Regresyon (ÇLR) analizi kullanılmıştır. Diğer parametrik analizlerde olduğu gibi ÇLR'de yeterli örneklem büyüklüğü, verilerin normal dağılımı, çoklu doğrusal bağıntı, tekillik, uç değer gibi temel varsayımlar ayrıntılı olarak incelenmiştir. Güç üretim tahmin modelinde ikinci olarak parametrik olmayan istatistiksel tekniklerden olan K-En Yakın Komşuluk Regresyon (K-NNR) ve Torbalama Regresyon (BR) modelleri kullanılmıştır. Geliştirilen regresyon modellerinin performansları tez içerisinde ayrıntılı olarak ele alınmıştır. Sonuç olarak, GES'te üretilen gücün tahmini sayesinde işletmeciler verimli ve sürdürülebilir bir enerji üretimi yapıp yapmadıklarını takip edebileceklerdir.

Author

Dr. Fatih Sulan

How to Cite

Fatih Sulan (Yüksek Lisans Tezi). Şebeke bağlantılı güneş enerji santralinin güç verimliliğinin performans analizi ve tahmini, 2022, Erzurum Technical University.

License

Tüm Hakları Saklıdır

This work is shared under the specified license terms.

More theses from Erzurum Technical University