Time series prediction of solar power generation using trend decomposition

Zaman serisi verileri çeşitli alanlarda yaygın olarak kullanıldıkları için dogru tahminlenmeleri önemlidir. Verilerdeki her bilgi, zaman serilerinin özelliklerini temsil eder. Trend bilgisine sahip veriler üzerinde tahmin yapmak karmaşık bir süreçtir. Bu tezde, trend bilgisine sahip zaman serisi verileri üzerinde daha iyi tahminler yapabilmek için yeni yöntemler önerilmiştir. Çalışmanın ilk bölümünde, özellik çıkarma yöntemleri ile mevcut verilerin geçmişinden ortalama ve egilim gibi özellikler çıkarılmış ve özellik olarak veri setine eklenmiştir. Genişletilmiş bu veri seti ile makine ögrenimi algoritmaları test edildiğinde, mevcut yöntemlere göre daha iyi sonuçlar elde edilmiştir. Çalışmanın ikinci bölümünde verilere trend ayrıştırması uygulanmıştır. Ayrışmadan sonra elde edilen daha kararlı veriler, mevcut modellerle test edilmiş ve ardından ayrıştırılmış trend verileri ile kararlı verilerin tahmin sonuçları birleştirilerek nihai tahmin gerçekleştirilmiştir. Düz veriler ve ayrıca genişletilmiş özelliklere sahip veriler kullanılarak elde edilen sonuçlardan daha yüksek performans sonuçları gözlemlenmiştir. Daha sonra çalışmanın üçüncü bölümünde, trend verileri üzerinde de tahminlerde bulunmak için doğrusal tahmin yöntemi kullanılmıştır. Nihai sonuçlar, hem kararlı zaman serisi verilerinin hem de trendin tahmin edilen sonuçları ile birleştirilerek elde edilmiştir. Her adımda, beş farklı makine ögrenimi algoritmasında önceki adımdan ve mevcut yöntemden daha üstün veya rekabetçi tahmin performansı sergiliyoruz. Önerilen yöntemler yenilenebilir enerji alanına uygulanmıştır ve Türkiye'de güneş enerjisi üretiminin tahmin edilmesinde kullanılmıştır.