Hibrit yapay zekâ modeli ile Sinop ilinin güneş enerji potansiyelinin hesaplanması

Günümüzde dünya'nın enerjiye duyduğu ihtiyaç teknolojik gelişme, sanayileşme gibi faktörlere de bağlı olarak gün geçtikçe artmaktadır. Bu artış enerji ihtiyacını karşılamak için sınırlı kaynakların yetersiz kaldığı bir noktaya ulaşmıştır. Bu durum enerji üretimi ile tüketimi arasındaki farkı daha da açmış ve yenilenebilir enerji kaynaklarına olan talebi artırmıştır. Modern yaşamın temel taşı haline gelen enerji, yapay zekâ gibi teknolojik gelişmeler sayesinde daha verimli ve sürdürülebilir duruma gelmiştir. Çalışma kapsamında yapay zekânın yenilikçi yaklaşımı olan ve farklı algoritmaların birleştirilmesiyle oluşturulan hibrit model tasarlanmıştır. Sinop ilinin güneş enerji potansiyeli tasarlanan hibrit çok katmanlı algılayıcı (MLP)-uzun kısa dönemli bellek (LSTM) modeli kullanılarak hesaplanmaya çalışılmıştır. Girdi parametreleri olarak bulut kapsamı, rüzgâr hızı, görünürlük, basınç, rakım, sıcaklık ve nem kullanılmıştır. Geliştirilen model gerçek veriler ile eğitilmiş ve test edilmiştir. Geliştirilen hibrit modelin tek algoritmadan oluşan modellere göre başarı oranı incelenmiştir. MLP Model-1'in mutlak yüzde hatası (MAPE) değeri %21,965 hata payı ve 0,84123 R2 değeri olarak hesaplanmıştır. MLP Model-2'nin MAPE değeri %23,5132 hata payı ve 0,83325 R2 değeri olarak hesaplanmıştır. LSTM modelinin MAPE değeri %29,2656 hata payı ve 0,77333 R2 değeri olarak hesaplanmıştır. En doğru ve güvenilir sonuçlar ise geliştirilen hibrit modelde elde edilmiştir. MAPE değeri %8,4888 hata payı ve 0,96935 R2 değeri olarak hesaplanmıştır. Bu çalışma, hibrit modelin mevcut yöntemlere göre üstün bir performans sergilediğini göstermiştir. Elde edilen sonuçlar, modelin güneş enerjisi potansiyelini tahmin etme konusunda umut vadettiğini göstermektedir. Geliştirilen hibrit model kullanılarak farklı illerde güneş enerji potansiyeli tahmini yapılabilmektedir.

Today, the world's demand for energy is increasing daily due to technological advancements and industrialisation. This rise has reached a point where limited resources are insufficient to meet energy needs. This situation has further widened the gap between energy production and consumption, amplifying the necessity for renewable energy sources. Energy, the cornerstone of modern life, has become more efficient and sustainable thanks to technological innovations like artificial intelligence. Within the scope of this study, a hybrid model—an innovative approach to artificial intelligence developed by combining various algorithms—has been designed. The solar energy potential of Sinop province was calculated using the hybrid Multi-Layer Perceptron (MLP)-Long Short-Term Memory (LSTM)model. The input parameters included cloud coverage, wind speed, visibility, pressure, altitude, temperature, and humidity. The developed model was trained and tested with precise data. The hybrid model's success rate was analysed compared to single-algorithm models. The absolute percentage error (MAPE) of MLP Model-1 was determined to be a 21.965% error margin, with an R² value of 0.84123. MAPE of MLP Model-2 was established at a 23.5132% margin of error, with an R² value of 0.83325. MAPE of the LSTM model was calculated at a 29.2656% margin of error, with an R² value of 0.77333. The most accurate and reliable results were obtained from the developed hybrid model, which yielded a MAPE value of 8.4888% error margin, with an R² value of 0.96935. This study has demonstrated that the hybrid model outperforms existing methods. The results obtained indicate that the model shows promise in estimating solar energy potential. The developed hybrid model may be employed to assess solar energy potential across various provinces.