Ceylan, RahimeKöksal, Azime İrem2024-09-082024-09-082024https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=KMB79M3N7zK1UR2WYeRgQvNT5fjm6rVwJebYu-yuvcS6eUGmOFI7aGleixOPxwMhhttps://hdl.handle.net/20.500.13091/6170Her geçen gün artan endüstriyel faaliyetler, sürekli artan nüfus ve teknolojik aletlerin kullanımının giderek yaygınlaşması ile enerji tüketiminde de sürekli olarak bir artış meydana gelmektedir. Hem fosil yakıtların tükenmek ile karşı karşıya oluşu hem de doğaya olumsuz etkilerinden dolayı yenilenebilir enerji kaynaklarına olan talep gün geçtikçe artmaktadır. Söz konusu bu artış ile elektrik enerjisinin üretimi ile tüketimi arasındaki dengenin sağlanmasına katkı sunmak amacı ile bu çalışma gerçekleştirilmiştir. Çalışmada güneş enerji santrallerinin üretim tahminlerinde kullanılan dört popüler derin öğrenme modeli olan Uzun Kısa Süreli Bellek (UKSB), Çok Katmanlı Algılayıcılar (ÇKA), Tekrarlayan Sinir Ağları (TSA) ve Kapı Kontrollü Tekrarlayan Birimler (KKTB) yöntemleri incelenmiş ve elde edilen sonuçlar neticesinde TSA ve KKTB modellerinin diğerlerine göre daha yüksek tahmin başarısı sergilediği tespit edilmiştir.As industrial activities increase day by day, the population continuously grows, and the use of technological devices becomes more widespread, there is a consistent increase in energy consumption. Due to the impending depletion of fossil fuels and their negative effects on the environment, the demand for renewable energy sources is steadily increasing. This study has been conducted with the aim of contributing to the balance between the production and consumption of electrical energy in light of this increasing demand. The study examines four popular deep learning models used in production forecasts of solar power plants: Long Short-Term Memory (LSTM), Multilayer Perceptrons (MLP), Recurrent Neural Networks (RNN), and Gated Recurrent Units (GRU). The results indicate that the RNN and GRU models demonstrate higher prediction accuracy compared to the others.trinfo:eu-repo/semantics/openAccessElektrik ve Elektronik MühendisliğiElectrical and Electronics EngineeringMaster Thesis