Güneş Enerjisi Tahmininde Yeni Dönem: Yapay Zeka ve Uydu Verileriyle 2 Saatlik Öngörü

Güneş enerjisinin anlık üretim dalgalanmalarını yönetmek, enerji şebekelerinin dengesi ve maliyetler açısından kritik önem taşıyor. İsviçre ve Hollandalı araştırmacılar, bu soruna çözüm getirebilecek, herkesin erişimine açık yeni bir güneş enerjisi üretim tahmin çerçevesi geliştirdi. Geliştirilen bu yenilikçi sistem, uydu verileriyle desteklenen derin öğrenme ve optik akış yöntemlerini, fizik tabanlı hava durumu tahmin modelleriyle birleştiriyor.

Kısa Vadeli Enerji Planlamasına Yapay Zeka Desteği

Delft Teknik Üniversitesi'nden Angela Meyer, geliştirdikleri yöntemin, kısa vadeli enerji üretim planlamasını iyileştirmeye yardımcı olacağını belirtiyor. Bu sayede, güneş enerjisi üretiminde yaşanabilecek fazlalık veya eksikliklere karşı stratejik önlemler alınarak hem maliyetlerin düşürülebileceği hem de enerji şebekesinin dengede tutulabileceği vurgulanıyor. Bu durum, tüketicilerin gereksiz yere yüksek enerji faturalarıyla karşılaşmasını önlemeye de katkı sağlayacak.

Uydu Tabanlı Modeller Sahneye Çıkıyor

Araştırmacılar, altı farklı güneş enerjisi tahmin çerçevesini karşılaştırdı. Bu karşılaştırma için, İsviçre'yi kapsayan ve 15 dakikalık aralıklarla uydu kaynaklı yüzey güneş ışıması verileri içeren bir veri seti kullanıldı. Modeller, geçmiş bir saatlik görünürlüğü temsil eden dört ardışık uydu görüntüsünü girdi olarak alarak, önümüzdeki iki saatlik bir zaman dilimi için tahminde bulundu. Sonrasında bu tahmini veriler, güncel elektrik üretim tahminlerine dönüştürüldü.

Performans Değerlendirmesi ve Sonuçlar

Yapılan testler sonucunda, uydu tabanlı yaklaşımların, özellikle kısa vadeli tahminlerde, geleneksel yöntemlerden daha iyi performans gösterdiği ortaya kondu. SolarSTEPS ve SHADECast modelleri hem ışıma hem de güneş enerjisi üretimi tahminlerinde en yüksek doğruluğu sağlarken, SHADECast aynı zamanda belirsizlikleri en iyi şekilde yönetebilen model olarak öne çıktı. Araştırmacılar, "Deterministik model IrradianceNet en düşük kök ortalama karesel hatayı elde ederken, SolarSTEPS ve SHADECast'ın olasılıksal tahminleri daha iyi kalibre edilmiş belirsizlik sağlıyor. Tahmin doğruluğu genel olarak rakım arttıkça azalıyor" şeklinde bulgularını özetledi. Ulusal ölçekte, uydu tabanlı modellerin 2019-2020 yıllarında günlük toplam güneş enerjisi üretimini ortalama %10'un altında bir hata payıyla tahmin edebildiği, bu durumun operasyonel kullanıma uygunluğunu gösterdiği belirtildi.

Bu yeni ve açık erişimli tahmin çerçevesi, enerji şirketlerinin ve kamu kurumlarının daha etkin planlama yapmasına olanak tanıyarak, hem maliyetleri düşürecek hem de enerji şebekesinin istikrarını güçlendirecektir.