Termik Santral Enerji Üretimi Tahmini

Yapay Sinir Ağı ile termik santralin net saatlik elektrik enerjisi üretimini tahmin eden gelişmiş makine öğrenmesi projesi

Yapay Zeka & Enerji

Proje Detayları

Proje Açıklaması

Bu proje, bir termik santralin net saatlik elektrik enerjisi üretimini tahmin etmek amacıyla geliştirilmiştir. Tahmin modeli, çevresel sensör verilerini (sıcaklık, egzoz vakumu, atmosfer basıncı ve bağıl nem) girdi olarak alır ve çıktı olarak enerji üretimini (MW) tahmin eder.

Proje kapsamında, Yapay Sinir Ağı (ANN) tabanlı bir regresyon modeli TensorFlow ve Keras kütüphaneleri ile Python dilinde geliştirilmiştir.

Öne Çıkan Özellikler

  • ✅ Yüksek doğruluk oranı (MAE: 4.01 MW)
  • ✅ Gerçek zamanlı tahmin sistemi
  • ✅ Çevresel faktör analizi
  • ✅ Detaylı performans metrikleri
  • ✅ Ölçeklenebilir model mimarisi
  • ✅ Endüstriyel uygulama odaklı

Kullanılan Teknolojiler

Python Python
TensorFlow TensorFlow
Keras Keras
Pandas Pandas
Scikit-learn Scikit-learn

Geliştirme Süreci

Veri Toplama & Analiz

Termik santral sensör verilerinin toplanması ve ön işleme

Model Geliştirme

Yapay Sinir Ağı modelinin tasarlanması ve eğitilmesi

Performans Optimizasyonu

Model hiperparametrelerinin ayarlanması ve optimizasyon

Test & Değerlendirme

Model performansının test edilmesi ve metriklerin hesaplanması

📊 Kullanılan Veri Seti

  • Kaynak: Gerçek bir Kombine Çevrim Termik Santrali
  • Dosya: Folds5x2_pp.xlsx
  • Boyut: 9.568 satır, 5 sütun
  • Özellikler: AT (°C), V (cm Hg), AP (mbar), RH (%)
  • Hedef: PE (MW) - Enerji Üretimi
  • Bölünme: %80 eğitim / %20 test

🧠 Modelleme ve Yapay Sinir Ağı (ANN)

  • Giriş Katmanı: 4 özellik
  • İlk Gizli Katman: 6 nöron, ReLU aktivasyon
  • İkinci Gizli Katman: 6 nöron, ReLU aktivasyon
  • Çıkış Katmanı: 1 nöron (regresyon)
  • Optimizer: Adam algoritması
  • Kayıp Fonksiyonu: Mean Squared Error (MSE)
  • Eğitim: 50 epoch, batch size = 32

📈 Performans Değerlendirmesi

  • MAE (Ortalama Mutlak Hata): 4.01 MW
  • MSE (Ortalama Kare Hata): 25.32
  • RMSE (Kök Ortalama Kare Hata): 5.03 MW
  • Örnek Tahminler:
  • Tahmin: 431.01 MW → Gerçek: 431.23 MW
  • Tahmin: 463.11 MW → Gerçek: 460.01 MW
  • Tahmin: 467.15 MW → Gerçek: 461.14 MW
GitHub'da Görüntüle
×