Sürdürülebilir Kalkınma Amaçları
Yazarlar
Yayınlar
- MakaleAçık Erişim2022Scopus SJRQ2Comparison of deep learning and regression-based MPPT algorithms in PV systems
Karabi̇Naoğlu, Murat Salim; Çakir, Bekir; Başoğlu, Mustafa Engin; Kazdaloğlu, Abdülvehhab; Güneroğlu, Aziz
Solar energy systems (SES) and photovoltaic (PV) modules should be operated at the maximum power point (MPP) to achieve the highest efficiency in the energy generation processes. Maximum power point tracking (MPPT) applications using conventional methods may not be able to follow the global MPP (GMPP) of the PV system under changing atmospheric conditions and they could oscillate around the local MPP. In this study, a machine learning and deep learning (DL) based long short-term memory (LSTM) model is proposed as an innovative solution for MPPT. Contrary to the traditional MPPT applications using current and voltage sensors, the output resistance of the PV module estimation was made by using environmental parameters (such as temperature and radiation) and artificial intelligence algorithms in this study.The LSTM model was compared with artificial neural networks (ANN) and regression methods regarding mean square error (MSE), root mean square error(RMSE) and mean absolute error (MAE) parameters. It has been determined that the LSTM model has a better performance and could more successfully follow MPP compared to the other methods. Finally, after the comparison with the ANN method, it is proved that LSTM gives 37%, 21%, and 31% more successful MSE, RMSE, and MAE results, respectively.
AtıfScopus27WoS18OpenAlex23İncele - Doktora TeziAçık Erişim2021Coğrafi bilgi sistemi tabanlı ekonomik ve finansal risk analizi: Avrupa ve Orta Asya örneği
Yusuf Kalkan
Çalışmanın amacı; ICRG rating kuruluşunun belirlediği ekonomik ve finansal riski oluşturan her bir faktörü farklı bir sınıflandırma tekniği kullanarak risk sınıflandırması yapmak ve bu sınıflandırmaya göre ülkerin tematik haritalarını oluşturarak karşılaştırmaktır. Diğer amaç ise ICRG rating kuruluşunun belirlediği ekonomik ve finansal risk faktörlerine göre ülkelerin, Coğrafi Bilgi Sistemi (CBS) analiz tekniklerinden biri olan coğrafi ağırlıklı regresyon yöntemini kullanarak dinamik ve görsel sonuçlar ortaya koyacak şekilde ekonomik ve finansal risk haritalarını oluşturmaktır. Bu amaç doğrultusunda International Country Risk Guide (ICRG) derecelendirme kuruluşunun ülke riski modeline göre ülke riski kategorilerinden ekonomik ve finansal riskin içinde yer alan 10 faktör kullanılmıştır. Ekonomik riski belirleyen faktörler; kişi başına düşen GSYİH, reel GSYİH artışı, enflasyon oranı, GSYİH'nın % olarak bütçe dengesi, GSYİH'nın % olarak cari hesap değişkenleri kullanılmıştır. Finansal riski belirleyen faktörlerde ise GSYİH'nın % olarak dış borç, mal ve hizmet ihracatının % olarak dış borç, mal ve hizmet ihracatının % olarak cari hesap, ithalat yapıldığı aylarda net uluslararası likidite, döviz kuru istikrarı değişkenleri kullanılmıştır. Çalışmada 2018 ve 2019 yıllarını kapsayacak şekilde Avrupa ve Orta Asya'daki 48 ülke belirlenmiştir. Çalışmada bu parametreler kullanılarak Avrupa ve Orta Asya'daki 48 ülkenin 2018 ve 2019 yılları için ekonomik ve finansal risk haritaları, coğrafi ağırlıklı regresyon (CAR) analizi ile oluşturulmuştur. CAR analizi için ArcGIS 10.8 programından yararlanılmıştır. Araştırma kapsamında yer alan değişkenler CAR analizi yapılmadan önce mekansal otokorelasyonun temel ölçümü olarak Moran's Indeks analizi yapılmış ve ekonomik ve finansal risk bağımlı değişkenlerinin p-değerleri 0,05 anlamlılık düzeyinden küçük olması nedeniyle istatiksel açıdan anlamlı ve pozitif otokorelasyona yani mekansal bağımlılığa sahip olduğu görülmüştür. Ayrıca kurulan modellerin performansını gösteren düzeltilmiş R2 değerlerinin hem 2018 hem de 2019 yıllarında 0,999 olduğu ve bağımsız değişkenlerin bağımlı değişkenleri %99,9 gibi yüksek bir oranda açıkladığı tespit edilmiştir. CAR analizi sonuçlarına göre incelenen ülkelerin risk düzeyi beş sınıfa (çok yüksek risk, yüksek risk, orta düzey risk, düşük risk ve çok düşük risk) ayrılmış ve CAR analizi sonucunda elde edilen ekonomik ve finansal risk puanalarının tahmini (predicted) değerlerine göre risk haritaları oluşturularak daha dinamik, anlamlı ve görsel sonuçlar ortaya konmuştur. Çalışmada elde edilen CAR analizi sonuçlarının ekonomi ve finans alanında CBS tabanlı uygulamaların kullanılabileceği görülmüş ve bu doğrultuda ülkelerin ekonomik ve finansal riskini belirlemede literatüre disiplinler arası yeni bir bakış açısı kazandırılmıştır.