Yapay sinir ağları kullanılarak fotovoltaik panel güç çıkışlarının tahmini ve sezgisel algoritmalar ile karşılaştırılması

Farklı zamanlarda fotovoltaik(FV) sistemlerden üretilen güç değerlerinin tahmini güneş panellerinin güvenilir bir enerji kaynağı olarak efektif kullanılması ve ekonomik kullanılması açısından gereklidir. Güneş panellerinden üretilen çıkış gücünün kestirimi aynı zamanda, güneş panellerinin kurulumu, elektrik şirketlerine rehberlik etmesi, enerjinin yönetimi ve dağıtılması ve bunun yanında en kısa sürede optimum enerjiyi elde edebilir hale gelmek ve maksimum üretim kapasitesi ulaşmaya yönelik gerekli panel adaptasyonlarının tespit edilmesi için gerekli zamandan kazanç; ek işçilik maliyetlerinin azaltılması anlamında büyük önem arz etmektedir Bu çalışmada, FV panellerinden elde edilen güç değerlerinin aylık olarak tahmini için farklı algoritmalar ile öğrenebilen Yapay Sinir Ağları(YSA) kullanılmıştır. Altı farklı açısal konuma yerleştirilen panellerden elde edilen güç değerlerinin tahmin edilmesinde Parçacık Sürü Optimizasyonu(PSO), Geriye Yayılım(GY) ve Klonal Seçim Algoritması(KSA) ile eğitilen YSA modellerinden yararlanılmıştır. Tahmin sonuçlarının doğrulanmasında üç popüler istatiksel değerlendirme kriteri olan Ortalama Mutlak Yüzde Hata (MAPE), Ortalama Karesel Hataların Karekökü (RMSE) ve Varyans (R2) eşitliklerinden yararlanılmıştır. Her üç kriterlerden elde edilen doğrulama sonuçları incelendiğinde, hemen hemen tüm aylar için PSO algoritması ile eğitilen YSA yapısının, KSA ve GY algoritmaları ile eğitilen YSA yapılarına göre daha başarılı olduğu görülmüştür. Bazı sonuçlarda ise GY ile eğitilen YSA yapısının, PSO ile eğitilen YSA yapısına göre, sonuçlar birbirine yakın olmakla birlikte daha başarılı olduğu anlaşılmıştır.