Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, cilt.25, sa.3, ss.135-146, 2020 (Hakemli Dergi)
Fotovoltaik sistemlerin güç çıktısının doğru tahmin edilmesi, bu
sistemlerin doğru planlanması ve gelecekteki yatırımların teşvik
edilmesi açısından çok önemlidir. Fotovoltaik sitemlerin güç üretimi,
sistemin kurulduğu konumdaki meteorolojik değişkenlerden
etkilenmektedir. Türkiye bulunduğu konum itibarıyla güneş enerjisi
potansiyeli bakımından avantajlı durumdadır. Türkiye’nin en fazla
güneşlenme süresine sahip illerinden biri ise Van’dır. Bu çalışmada, Van
Yüzüncü Yıl Üniversitesi’nde kurulu bulunan (17 kWp kapasiteli)
fotovoltaik sistemin enerji üretimine meteorolojik değişkenlerin etkisi
analiz edilmiştir. Analizde 2015-2018 yılları arasında üretilen enerji
ve aynı zaman dilimine ait meteorolojik değişkenler kullanılmıştır. Bu
kapsamda çoklu doğrusal regresyon analizi kullanılarak bir istatistiksel
model çıkarımı yapılmıştır. Çalışma sonucunda ÜG değişkeninin SGŞ
üzerinde en yüksek pozitif etkiye sahip olduğu görülmüştür. Ayrıca SNN,
SRH, SS ve SB değişkenlerinin ÜG üzerinde istatistiksel olarak anlamlı
bir etkiye sahip olduğu da saptanmıştır. Durağanlık varsayımı
sağlandıktan sonra elde edilen modelin R2’si 0.445 olarak
hesaplanmıştır.
Estimating the power output of photovoltaic systems is very important in
terms of planning these systems correctly and encouraging future
investments. The power generation of photovoltaic systems is affected by
the meteorological variables at the location where the system is
installed. Turkey has the potential for solar energy as a location.
Located in the eastern part of Turkey, Van is one of the provinces with
the most sunshine hours. In this article, the effect of meteorological
variables on the energy production of the Solar Photovoltaic system
which is located in Van Yüzüncü Yıl University Campus (with a capacity
of 17 kWp) was analyzed. In the analysis, the power generation data of
the system and the meteorological variables were used between 2015 and
2018. A statistical model was extracted using the multiple linear
regression analysis. As a result of the study, it was seen that the UG
variable had the highest positive effect on SGS. It was also found that
the variables SNN, SRH, SS and SB had a statistically significant effect
on the UG. After providing the stationary assumption for the UG
variable, the R2 of the model was calculated as 0.445.