Electricity generation from renewable energy sources is increased day by day and integration of renewable energy sources to the electrical grid leads to some issues in the grid because of intermittent and variable characteristics of these renewable energy sources. Accurate forecasting of electricity generation from the renewable energy sources which have intermittent and variable characteristics is a requirement to ensure stable operation of the electrical grid. Solar irradiation data is also directly associated with photovoltaic (FV) power. FV power forecasting for areas with PV power system studies and without measured PV power data, can be made possible by solar irradiation forecasting. In this thesis, day ahead hourly solar irradiation forecasting has been made to ensure the work of the PV power system in a stable operation and contribute to the load planning work in the smart grid. The next day hourly solar irradiation data for the province of Trabzon have been forecasted by artificial neural network (ANN) approach using one day ahead hourly solar irradiation from the past years. The solar irradiation data is analyzed by a seasonal separation and classified by k-medoids algorithm. As a result of the clustering process, days are divided into three different classes by air type: clear, cloudy and rainy. A different artificial neural network is designed for each class. The designed ANN model has been designed, trained and tested in MATLAB simulation environment without using codes of the MATLAB ANN toolbox. The accuracy of the predictions has been evaluated by different performance measures.

Yenilenebilir enerji kaynaklarından elektrik üretimi her geçen gün artmakta ve bu kaynakların elektrik şebekesine entegrasyonunda bu kaynakların kesintili karakteristiği nedeniyle birtakım problemler meydana gelmektedir. Elektik şebekesinin kararlı bir şekilde çalışmasını sağlamak için kesintili ve değişken karakteristiğe sahip olan yenilenebilir enerji kaynaklarından yapılacak olan üretimin doğru tahmin edilmesi gerekmektedir. Güneş ışınım verisi de doğrudan fotovoltaik (FV) güç ile ilişkilidir. FV güç sistemi çalışmalarının yapılacağı ve ölçülmüş FV güç verisi olmayan bölgeler için FV güç kestirimi, güneş ışınımı kestirimi ile mümkün olabilmektedir. Bu tez çalışması kapsamında, FV güç sistemi çalışmalarının kararlı bir şekilde çalışmasını sağlamak ve akıllı şebekede yapılacak olan yük planlama çalışmalarına katkı sağlamak amacıyla gün öncesi saatlik güneş ışınım kestirimi yapılmıştır. Trabzon iline ait geçmiş yılların saatlik güneş ışınımı verisi kullanılarak gün öncesinden ertesi günün saatlik güneş ışınım verisi yapay zeka yöntemlerinden yapay sinir ağları (YSA) yaklaşımı ile kestirilmiştir. Güneş ışınım verisi analiz edilerek mevsimsel olarak ayrıştırılarak k-medoids algoritması ile kümeleme işlemine tabi tutulmuştur. Kümeleme işlemi sonucunda günler hava tipine göre açık, bulutlu ve yağmurlu olmak üzere üç farklı sınıfa ayrılmıştır. Her bir sınıf için farklı bir yapay sinir ağı tasarlanmıştır. Tasarlanan YSA modeli, MATLAB benzetim programında MATLAB'nin YSA araç kutusunda bulunan kodlar kullanılmadan tasarlanmış, eğitilmiş ve test edilmiştir. Yapılan kestirimlerin doğruluğu çeşitli performans ölçütleri ile değerlendirilmiştir.