AI Summary & Key Takeaways
AI InsightThis research presents a comprehensive case study on the comparative analysis of multi-plant performance using AI, providing data-driven, valuable insights for PV plant operators, investors, and policymakers.
📌 3 Key Takeaways
Abstract
In this study, the five-year (2020-2025) production performance of nine photovoltaic (PV) power plants, located in the Kırşehir province of Turkey's Central Anatolia Region, is comprehensively analyzed using artificial intelligence (AI) techniques. The primary objective of this research is to identify the critical meteorological factors influencing plant performance, conduct comparative analyses among the plants regarding efficiency and stability (volatility), and develop a predictive model for future generation forecasting. To achieve these objectives, daily production data from the plants were integrated with meteorological data, including high-resolution solar radiation, temperature, and cloud cover. A robust machine learning algorithm, the Random Forest (RF) regression model, was trained to model and predict energy generation. The analysis results revealed that solar radiation is the most dominant factor influencing production, followed by seasonal cycles and cloud cover. Inter-plant comparative analyses demonstrated significant differences in terms of normalized efficiency and production stability. The developed model proved successful in identifying anomalous production days and generating scenario-based generation forecasts for future years. This research presents a comprehensive case study on the comparative analysis of multi-plant performance using AI, providing data-driven, valuable insights for PV plant operators, investors, and policymakers.
Özet
Bu çalışmada, Türkiye'nin İç Anadolu Bölgesi'nde yer alan Kırşehir yöresindeki dokuz adet fotovoltaik (PV) güç santralinin beş yıllık (2020-2025) üretim performansı, yapay zeka teknikleri kullanılarak detaylı bir şekilde analiz edilmiştir. Çalışmanın temel amacı, santral performansını etkileyen kritik meteorolojik faktörleri belirlemek, santraller arasında verimlilik ve istikrar (volatilite) açısından karşılaştırmalar yapmak ve geleceğe yönelik bir üretim tahmin modeli geliştirmektir. Bu hedefler doğrultusunda, santrallerin günlük üretim verileri, yüksek çözünürlüklü güneş radyasyonu, sıcaklık, bulutluluk oranı gibi meteorolojik verilerle entegre edilmiştir. Enerji üretimini modellemek ve tahmin etmek için güçlü bir makine öğrenmesi algoritması olan Rastgele Orman (Random Forest) regresyon modeli kullanılarak eğitilmiştir. Analiz sonuçları, güneş radyasyonunun üretim üzerindeki en baskın faktör olduğunu, bunu mevsimsel döngünün ve bulutluluk oranının takip ettiğini ortaya koymuştur. Santraller arası karşılaştırmalı analizler, normalize edilmiş verimlilik ve üretim istikrarı açısından önemli farklılıklar olduğunu göstermiştir. Geliştirilen modelin, anormal üretim günlerini tespit etme ve gelecek yıllara yönelik senaryo bazlı üretim tahminleri oluşturmada başarılı olduğu kanıtlanmıştır. Bu çalışma, çoklu santral performansının yapay zeka ile karşılaştırmalı analizine yönelik kapsamlı bir vaka analizi sunarak, PV santral operatörleri, yatırımcılar ve politika yapıcılar için veri odaklı, değerli içgörüler sağlamaktadır.