SOLAR RADIATION PREDICTION IN SOLAR ENERGY SYSTEMS USING ANN MODELS: A CASE STUDY

Abstract

ABSTRACT

Artificial neural networks (ANN) are a useful option when it comes to analyzing sensor data, detecting faults, setting up performance and reviewing related processes. For its key feature, the present work makes use of ANN modeling to forecast solar radiation in the city of Tripoli in Libya. The simulation is satisfactory and, hence, applicable to solar energy systems (SES), with the main advantage owed to the fact that the research makes use of arbitrary and nonlinear factors.

With economizing, SES enhancing, and improving electricity production in mind, the proposed ANN compares the output with the set targets based on weather data obtained from the Libyan State Meteorological Center. The trial-and-error method using MATLAB neural network fitting tool (nftool) helped to determine the best arrangement of functions to achieve the objective herein. The weather data containing various variables is used to come up with a novel approach to determine SR with the highest possible precision. The approach is feed-forward back propagation (BP)-based the function of a tangent sigmoid transfer (tansig) between the input and the hidden layer with a range of neurons within one hidden layer and function of a linear transfer (purelin) at the output node, all employed in MATLAB’s neural network fitting tool (nftool).

The Levenberg-Marquardt (LM) algorithm was put to the test with a set of neurons after comparing the predicted figures with actual data from the Center using mean square error (mse) and coefficient of determination (R). The most applicable ANN model was then chosen with LM and ten neurons to forecast SR which yielded promising results with insignificant MSE and R2 above 0.93.

To conclude, the suggested approach and ANN model is applicable for SR forecasting and, therefore, a step forward in improving SES-based energy production. Obviously, it goes without saying that certain theoretical architectures based on ANN continue to play a key role in determining the best simulations for yet improved results in the future.

ÖZET

Yapay sinir ağları (YSA), sensör verilerini analiz etmek, hataları tespit etmek, performansı ayarlamak ve ilgili süreçleri gözden geçirmek söz konusu olduğunda iyi bir seçenektir. Temel özelliği sebebiyle, Bu çalışmada Libya'nın Trablus kentindeki güneş ışığını tahmin etmek için YSA modellemesini kullanılmıştır. Simülasyonda iyi sonuçlar elde edilmiştir ve bu sebeple güneş enerjisi sistemlerine (GES) uygulanabilir. Önerilen YSA modelinin sonuçları, Libya Devlet Meteoroloji Merkezi'nden elde edilen hava durumu verileri ile karşılaştırılmıştır. MATLAB sinir ağı uydurma aracını (nftool) kullanan deneme yanılma yöntemi, burada belirlenin amaca ulaşmak için fonksiyonların en iyi şekilde belirlemesine yardımcı olmuştur.

Çeşitli değişkenleri içeren hava durumu verileri, Güneş ışığını mümkün olan en yüksek doğrulukta belirlemek için yeni bir yaklaşım geliştirmek için kullanıldı. Önerilen yöntemde, ara katmanlar içerenileri beslemeli geri yayılım (BP)’lı ve teğet sigmoid transfer (tansig) fonksiyonlu yapay sinir ağı olup, tümü MATLAB'ın sinir ağı uydurma aracında (nftool) kullanılarak similasyonu yapılmıştır.

En uygun YSA modelini bulmak için Levenberg-Marquardt (LM) algoritması kullanıldı. Güneş ışığını tahmin etmek için 10 nöronlu YSA modelinin karesel hatası oldukça küçük iyi sonuçlar verdiği görüldü.

Sonuç olarak, önerilen yöntem ve YSA modeli, güneş ışığını tahmini için uygulanabilir ve bu nedenle, SES tabanlı enerji üretimini iyileştirmede kullanılabilir. İleriki çalışmalarda daha farklı mimarilere sahip YSA modelleri kullanılarak daha iyi sonuçlar elde edilmesi mümkündür.