ESTIMATION OF THE ENERGY OUTPUT OF A PHOTOVOLTAIC PANEL BY METAHEURISTIC OPTIMIZATION BASED ARTIFICIAL NEURAL NETWORKS

Abstract

ABSTRACT

Photovoltaic (PV) solar energy has become the most prominent concern of global investments. In addition, it is considered low carbon and its manufacture has a lower carbon impact compared to other energy sources. It is one of the solutions to avoid the risks of climate and global warming and to serve the consumer. Accurate forecasting of photovoltaic power output is very important in terms of panel installation, energy management and distribution, system reliability and integrating it into the daily demand schedule of electrical power supply networks. It is necessary to create a prediction model of photovoltaic energy that is commensurate with the changing weather conditions to develop advanced technology. Our study aims to develop a new data acquisition system dedicated to photovoltaic systems, meteorological observations and prediction of solar energy outputs. We use micro-controllers and sensors for barometer measurements. Weather and electrical balances are archived on our websites and monitored through the Internet of Things via the thinkspeak platform. The Artificial Neural Networks (ANN) model which was improved by metaheuristic algorithms was used to predict the solar energy outputs collected during 37 days from Monday May 9, 2022 to Wednesday June 15, 2022. Three main algorithms, Genetic Algorithm (GA), Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) were used to train ANN to predict an 18-degree solar panel. They used three common methods to evaluate and compare the results of the algorithms used which are mean square error (MSE), mean absolute percentage error (MAPE) and coefficient of determination (R^2). The results show that traditional NN with basic finding methods is the best. PSO-ANN is the best between PSO-ANN, GA-ANN and ABC-ANN.

ÖZET

Fotovoltaik (PV) güneş enerjisi, küresel yatırımların en önemli endişesi haline gelmiştir. Bunu yanı sıra, diğer enerji kaynaklarına kıyasla daha düşük karbon etkisine sahiptir. İklim ve küresel ısınma risklerinden korunmak ve bu anlamda tüketiciye hizmet etmek için kullanılan çözüm yollarından biridir. Fotovoltaik güç çıkışının doğru tahmini, panel kurulumu, enerji yönetimi ve dağıtımı, sistem güvenilirliği ve elektrik güç kaynağı şebekelerinin günlük talep çizelgesine entegre edilmesi açısından çok önemlidir. Bu nedenle, ileri teknoloji geliştirmek için değişen hava koşulları ile orantılı bir fotovoltaik enerji tahmin modelinin oluşturmak gerekir. Gerçekleştirilen çalışmada fotovoltaik sistemlere, meteorolojik gözlemlere ve güneş enerjisi çıktılarının tahminine yönelik yeni bir veri toplama sistemi geliştirmek amaçlanmaktadır. Barometre ölçümleri için mikro denetleyiciler ve sensörler kullanılmaktadır. Hava durumu ve elektrik dengeleri web sitesinde arşivlenmekte ve Thinkspeak platformu aracılığıyla Nesnelerin İnterneti üzerinden izlenmektedir. 9 Mayıs 2022 Pazartesi ile 15 Haziran 2022 Çarşamba arasındaki 37 gün boyunca toplanan güneş enerjisi çıktılarını tahmin etmek için metasezgisel algoritmalarla geliştirilmiş Yapay Sinir Ağları (YSA) modeli kullanılmıştır. Üç ana algoritma, Genetik Algoritma ( GA), Parçacık Sürü Optimizasyonu (PSO) ve Yapay Arı Kolonisi (ABC), 18 derecelik eğim ile yerleştirilmiş güneş paneline ait verileri tahmin etmek için kullanılmıştır. Bu algoritmaların sonuçlarını değerlendirmek ve karşılaştırmak için ortalama kare hatası (MSE), ortalama mutlak yüzde hatası (MAPE) ve belirleyicilik katsayısı (R2) olmak üzere üç yöntem kullanılmıştır. Sonuçlar, temel belirleme yöntemlerini kullanan geleneksel yapay zeka yönteminin en iyisi olduğunu göstermektedir. PSO-ANN ise GA-ANN ve ABC-ANN ile karşılaştırıldığında en iyi sonucu vermektedir.