GÜNEŞ ENERJİSİ KULLANAN SİSTEMLER İÇİN YENİ BİR ENERJİ TAHMİN ALGORİTMASI

Yenilenebilir enerji kaynakları doğasal olarak sürekli mevcut olduklarından, kısıtlı kaynaklara sahip sistemlerin enerji ihtiyaçlarını gidermek için önemli bir yer tutmaktadır. Güneş enerjisi en çok kullanılan çevresel enerji kaynaklarına güzel bir örnektir. Güneş enerjisi kontrol edilemeyen ama tahmin edilebilen bir enerji kaynağı olarak literatürde yer almıştır. Güneş enerji miktarının gelecek için tahmini kritik bir konudur. Bu çalışmada, geçmişte üretilen güneş enerji miktarına bakarak gelecekte muhtemelen üretilecek güneş enerji miktarını tahmin eden yeni bir algoritma geliştirilmiştir. Bu algoritma aynı zamanda tahmin yapılan gün içerisindeki üretilen enerji miktarındaki değişimleri de göz önüne almaktadır. Önerilen yaklaşım literatürde çokça temel alınan Exponential Weighted Moving-Average (EWMA) algoritmasından esinlenmiştir. Gün içerisinde güneş enerjisindeki dalgalanmaları göz önüne alan farklı senaryolar üzerinde önerilen yaklaşımın performansı EWMA ile karşılaştırılarak sunulmuştur. Gerçekleştirilen benzetimler önerilen algoritmanın güneş enerjisindeki dalgalanmaları EWMA’ dan daha iyi olarak tahmin ettiğini göstermektedir.

Anahtar Kelimeler:

Yenilenebilir Enerji Kaynakları, Ortam Enerjisi, Güneş Enerjisi, Enerji hasat, EWMA

A New Energy Prediction Algorithm for Solar-Powered Systems

Renewable energy sources can provide the energy requirements of resource-constrained systems due to their inherent continuous availability. Solar power is a good example of the most effective ambient energy source. In literature, it exhibits an uncontrollable but predictable manner which makes the prediction of future energy availability a critical issue. This study presents a new approach to estimate the amount of energy that will available in future, depending on the past energy generation pattern. This approach also considers the fluctuations in energy generation in the current day. It is inspired by a well-known algorithm, namely Exponential Weighted Moving-Average (EWMA). The performance of the proposed scheme has been tested on various real-world scenarios in comparison to EWMA. The simulation results show that our algorithm provide more accurate estimation of future energy availability than EWMA.

Keywords:

Renewable Energy Sources, Ambient Energy, Solar Power, Energy Harvesting, EWMA.,

PDF

___

Akyildiz, F.I., Su, W., Sankarasubramaniam, Y., ve Cayirci, E. (2002) A survey on sensor networks, IEEE Commun. Magazine, 40(8), 102-114. DOI: 10.1109/MCOM.2002.1024422
Ali, M.I., Al-Hashimi, B.M., Recas, J., ve Atienza, D. (2010) Evaluation and design exploration of solar harvested-energy prediction algorithm, IEEE European Conference in Design, Automation & Test, Germany, Dresden, 142-147. DOI: 10.1109/DATE.2010.5457222
Andreas., A. ve Stoffel., T. (2015) Elizabeth City State University: Elizabeth City, North Carolina (Data), NREL Report No: DA-5500-56517.
Buchli, B., Sutton, F., Beutel, J., ve Thiele, L. (2014) Dynamic power management for long-term energy neutral operation of solar energy harvesting systems, ACM Conference on Embedded Network Sensor Systems, Stanford, USA , 31-45. DOI: 10.1145/2668332.2668333
Cammarano, A., Petrioli, C. ve Spenza, D. (2012) Pro-Energy: a novel energy prediction model for solar and wind energy-harvesting wireless sensor networks, IEEE International Conference on Mobile Ad-Hoc and Sensor Systems, Las Vegas, USA, 75-83. DOI: 10.1109/MASS.2012.6502504
Kansal, A., Hsu, J., Zahedi, S., ve Srivastava, M.B. (2007) Power management in energy harvesting sensor networks, ACM Transactions on Embedded Computing Systems, 6(4), p.32. DOI: 10.1145/1274858.1274870
Kosunalp, S. (2015) MAC protocols for energy harvesting wireless sensor networks: Survey, ETRI Journal, 37(4), 804-812. DOI: 10.4218/etrij.15.0115.0017
Kosunalp, S. (2016) A new energy prediction algorithm for energy-harvesting wireless sensor networks with q-learning, IEEE Access, 4, 5755-5763. DOI: 10.1109/ACCESS.2016.2606541
Kosunalp, S. (2016) A performance evaluation of solar energy prediction approaches for energy-harvesting wireless sensor networks, International Journal of Applied Mathematics, Electronics and Computers, 4, 424-427. DOI: 10.18100/ijamec.266963
Kosunalp, S., Chu, Y., Mitchell, P.D., Grace, D., Clarke, T., (2016) Use of q-learning approaches for practical medium access control in wireless sensor networks, Engineering Applications of Artificial Intelligence, 55, 146-154. DOI: 10.1016/j.engappai.2016.06.012
Kosunalp, S. (2017) An energy prediction algorithm for wind-powered wireless sensor networks with energy harvesting, Energy, 139, 1275-1280. DOI: 10.1016/j.energy.2017.05.175
Noh, D.K. ve Kang, K. (2011) Balanced energy allocation scheme for a solar-powered sensor system and its effects on network-wide performance, Journal of Computer and System Sciences, 77, 917-932. DOI: 10.1016/j.jcss.2010.08.008
J.C. Piorno, C. Bergonzini, D. Atienza & T.S. Rosing, “Prediction and management in energy harvested wireless sensor nodes,” In Proc. IEEE Wireless VITAE’09, 2009, pp. 6-10. DOI: 10.1109/WIRELESSVITAE.2009.5172412
Sudevalayam, S., and Kulkarni, P. (2011) Energy harvesting sensor nodes: survey and implications, IEEE Commun. Survey Tutorials, 13(3), 443-461. DOI: 10.1109/SURV.2011.060710.00094
Tuna, G., Gungor, V.C., ve Gulez, K. (2013a) Wireless sensor networks for smart grid applications: a case study on link reliability and node lifetime evaluations in power distribution systems, International Journal of Distributed Sensor Networks, vol. 2013, Article ID 796248. DOI: 10.1155/2013/796248
Tuna, G., Gungor, V.C., ve Gulez, K. (2013b) Energy harvesting techniques for industrial wireless sensor networks, In Industrial Wireless Sensor Networks: Applications, Protocols, Standards and Products, 119-136