Assessment of Electricity Generation Using Deep Learning on Solar Power Plants

Abstract

Güneş paneli teknolojisi ortalama 25 yıl ömrü olan bu tür sistemlerin kurulumu pahalıdır. Bu sistemlerden en iyi şekilde yararlanmak için geleceğe yönelik üretim tahminleri yapmak çoğu zaman önemlidir. Bu çalışmada, Konya merkezli yıllık 1MW kapasiteye sahip güneş enerjisi santrallerine (tek değişkenli zaman serisi) ait iki yıllık üç günlük frekans veri seti ve bir yıllık saatlik frekans veri seti değerlendirilmektedir. Elektrik üretim analizi, derin öğrenme kullanılarak güneş enerjisi santrallerinden elde edilen verilere dayanılarak yapılmaktadır. Tercih edilen yöntem uzun kısa süreli hafıza (LSTM) olup, zaman serisi analizinde kullanılan diğer bir istatistiksel yöntem olan mevsimsel otoregresif bütünleşik hareketli ortalama (SARIMA) ile kıyaslanmıştır. Her bir veri seti ile elde edilmiş sonuçlar beş farklı performans ölçüm mekanizmasına (MSE, RMSE, NMSE, MAE, MAPE ve R2) tabi tutulmuş ve LSTM modelinin genellikle SARIMA modeline göre daha gerçek verilere yakın sonuçlar verdiği tespit edilmiştir. RMSE skoruna göre dört santralin ortalama değeri LSTM'de 973, SARIMA'da 1361 olup, bu durumda LSTM, SARIMA'ya göre başarılı bir sonuç vermiştir. Güneş enerjisi santrali kurmadan önce fizibilite çalışmasının yapılması karlılığı artırıcı bir role sahiptir.