Güneş ışınımı tahmini için görüntü işleme tabanlı yeni bir yaklaşım

Abstract

Güneş kaynağının kesikli ve değişken yapısı, enerjinin verimli bir şekilde kullanımını oldukça zorlaştırmaktadır. Bu sıkıntıların üstesinden gelebilmek ve güneş enerjisinden etkin bir şekilde faydalanabilmek amacıyla güneş ışınımı tahmini gibi günümüze kadar farklı birçok yöntem kullanılmıştır. Bu çalışmada, gün içinde oluşan bulut hareketlerini takip ederek gelecekte gerçekleşecek bulut hareketlerini tahmin eden, ardından elde edilen bulut hareketi tahmini ve atmosfer dışı güneş ışınımı verilerin kullanılmasıyla güneş ışınımı tahmini gerçekleştiren derin öğrenme yaklaşımı geliştirilmiştir. Bu kapsamda, Afyon Kocatepe Üniversitesi Güneş ve Rüzgâr Uygulama ve Araştırma Merkezine kurulan deney düzeneği aracılığıyla belirli aralıklarda toplanan gökyüzü görüntüleri ve ışınım verileri kullanılmıştır. Sıralı gökyüzü görüntülerinde bulut hareketleri Shi-Tomasi ve Lucas-Kanade yöntemleri kullanılarak takip edilmiştir. Görüntüler üzerinde bulut, gökyüzü, güneş tespitleri ise kırmızı/mavi oranı ve K-means kümeleme yönteminden oluşan hibrit bir tespit yaklaşımıyla gerçekleştirilmiştir. Son olarak, 5 dakikalık zaman ufku için 10 saniye çözünürlüklü güneş ışınımı tahminleri gerçekleştirilmiş ve yaklaşımın performansı test edilmiştir.

The intermittent and variable nature of the solar source makes it very difficult to use energy efficiently. In order to overcome these problems and benefit from solar energy effectively, many different methods such as solar radiation estimation have been used until today. In this study, a deep learning approach has been developed that predicts future cloud movements by tracking the cloud movements that occur during the day and then performs solar radiation forecasting using the obtained cloud movement forecast and extraterrestrial solar radiation data. In this context, sky images and radiation data collected at specific intervals through the experimental setup established at Afyon Kocatepe University Sun and Wind Application and Research Center are used. Cloud motions in sequential sky images are followed using Shi-Tomasi and Lucas-Kanade methods. Cloud, sky, and sun detections on the images are performed with a hybrid detection approach consisting of red/blue ratio and K-means clustering method. Finally, solar radiation estimates with a resolution of 10 seconds for the time horizon of 5 minutes are performed, and the performance of the approach is tested.