FHFatih Onur Hocaoğlu

Fatih Onur Hocaoğlu

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Fatih Onur Hocaoğlu has a total of 19 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Güneş ışınımı tahmini için QR kod tabanlı yeni bir CNN yaklaşımı

    by Ardan Hüseyin Eşlik, Emre Akarslan, Fatih Onur Hocaoğlu

    Bağlam—Fotovoltaik enerji sistemlerinin verimli planlanması, işletilmesi ve şebeke entegrasyonu için doğru güneş ışınımı tahmini büyük önem taşımaktadır. Ancak güneş ışınımı; sıcaklık, basınç, rüzgâr hızı, rüzgâr yönü, güneşlenme süresi, aerosoller ve bulutluluk gibi meteorolojik ve atmosferik koşullardan etkilendiği için oldukça doğrusal olmayan ve zamana bağlı değişkenlik gösteren bir parametredir. Geleneksel istatistiksel ve makine öğrenmesi yöntemleri bu değişkenleri sayısal girdiler olarak kullanabilse de, çoklu meteorolojik özellikler arasındaki zamansal etkileşimleri tek ve kompakt bir yapı içinde tam olarak temsil etmekte yetersiz kalabilir. Bu nedenle, çok değişkenli zaman serisi verilerini derin öğrenme modelleri tarafından etkili biçimde öğrenilebilecek bir forma dönüştüren alternatif veri temsil stratejilerine ihtiyaç duyulmaktadır. Amaç—Bu çalışmanın amacı, saatlik güneş ışınımı tahmini için yeni bir QR kod tabanlı iki boyutlu evrişimli sinir ağı yaklaşımı önermek ve değerlendirmektir. Çalışmanın temel amacı, çoklu meteorolojik zaman serilerini gri tonlamalı QR benzeri görüntülere dönüştürmek ve bu görüntü tabanlı temsilin yaygın olarak kullanılan makine öğrenmesi modellerine kıyasla tahmin performansını iyileştirip iyileştirmediğini araştırmaktır. Yöntem—Bu çalışmada, Türkiye’nin Afyonkarahisar ilinde bulunan bir meteoroloji istasyonundan elde edilen saatlik ortalama sıcaklık, basınç, güneş ışınımı, güneşlenme süresi, rüzgâr hızı ve rüzgâr yönü verileri kullanılmıştır. Veri seti 1 Ocak 2011 ile 31 Aralık 2014 arasındaki dönemi kapsamaktadır. 2011–2012 yıllarına ait veriler eğitim, 2013 yılına ait veriler doğrulama ve 2014 yılına ait veriler test amacıyla kullanılmıştır. Önerilen yöntemde, altı meteorolojik değişkenin önceki 24 saate ait değerleri dikey olarak istiflenerek 6×24 boyutunda bir matris oluşturulmuştur. Bu matris daha sonra gri tonlamalı QR benzeri bir görüntüye dönüştürülmüş ve bir sonraki saate ait güneş ışınımı değerini tahmin etmek üzere 2D-CNN modeline girdi olarak verilmiştir. Önerilen model; yapay sinir ağı, rastgele orman regresyonu, karar ağacı regresyonu ve k-en yakın komşu modelleri ile karşılaştırılmıştır. Performans değerlendirmesi RMSE, MAE ve belirleme katsayısı kullanılarak yapılmıştır. Bulgular—Önerilen QR kod tabanlı CNN yaklaşımı, test verileri üzerinde 68.867 RMSE, 31.853 MAE ve 0.9358 R² değeri elde etmiştir. Önerilen yöntem, değerlendirme metriklerine göre karşılaştırılan tüm makine öğrenmesi modellerinden daha yüksek performans göstermiştir. Karşılaştırma modelleri arasında yapay sinir ağı en yakın performansı sağlarken, k-en yakın komşu modeli genel olarak en zayıf sonuçları üretmiştir. Sonuç—Elde edilen bulgular, çok değişkenli meteorolojik zaman serisi verilerinin QR benzeri gri tonlamalı görüntülere dönüştürülmesinin CNN tabanlı güneş ışınımı tahmini için etkili bir girdi temsili sağladığını göstermektedir. Önerilen yaklaşım, birden fazla özelliği tek bir görüntü tabanlı yapı içerisinde birleştirmekte ve saatlik güneş ışınımı tahmini için basit, yorumlanabilir ve yüksek performanslı bir alternatif sunmaktadır. Gelecekteki çalışmalarda yöntem daha büyük veri setleri, farklı coğrafi bölgeler ve çok adımlı tahmin ufukları kullanılarak test edilebilir.

  • Çok girdili-çok değişkenli çıktıya sahip derin öğrenme modelleri ile kısa vadeli güneş ışınım şiddeti ve sıcaklık tahmini

    by Kübra Kaysal, Fatih Onur Hocaoğlu, Nihat Ozturk

    Güneş ışınımının kesikli ve dalgalı yapısı çoğu uygulama için ciddi sınırlamalar oluşturur. Güneş ışınım şiddetinin doğru tahmini, bir fotovoltaik güç sisteminin çıkış gücünün tahmin edilmesinde önemli bir faktördür. Bu çalışmada, kısa dönemli tahminler için çok değişkenli girdilerin iki değişkenli çıktılara etkisi incelenmiş ve bir bölgeye kurulması planlanan güneş enerji santrali için meteorolojik değişimlerin etkileri araştırılmıştır. Ayrıca çeşitli derin öğrenme modelleri ve onların hibrit kombinasyonlarının güneş ışınım şiddeti ve sıcaklık tahmini için başarıları kıyaslanmıştır. M/CNN-BİLSTM_II modeli diğer modellere kıyasla üç girdi parametresi sıcaklık, ışınım şiddeti ve nem için hem sıcaklık hem de ışınım şiddeti tahmininde en iyi performansı sergilemiştir. Modellerin performansı için RMSE, MAE, NRMSE ve R2 metrikleri kullanılmıştır. Işınım şiddeti için bu metrikler sırasıyla 1,65 W/m² (RMSE), 35,7 W/m² (MAE), %6,71 (NRMSE) ve %94,61 (R²) olarak hesaplanmıştır. Sıcaklık değerleri için ise RMSE 0,79°C, MAE 0,58°C, NRMSE %1,68 ve R² %99,32 olarak elde edilmiştir.

  • Forecasting the wind energy using hybrid deep learning model

    by Kübra Kaysal, Fatih Onur Hocaoğlu, Nihat Öztürk

  • Open Access

    M/LSTM-GRU Hybrid Model for Solar Radiation Estimation

    by Kübra Kaysal, Fatih Hocaoğlu, Ahmet Yurttakal, Hasan Erbay

    Solar energy is acknowledged as an environmentally friendly and clean renewable energy source, making it a crucial research topic. Estimation of the future radiation levels before and during the use of this source is vital for proper planning and operation of a photovoltaic (PV) system. In this study, a solar energy forecasting method was developed, utilizing both Long Short-Term Memory and Gated Recurrent Units models. The performance of the developed method was tested using various metrics on real-time, multivariate solar radiation data from a specific region in Turkey. Examining the results reveals lower RMSE, MSE, MAE performance values and higher $R^2$ values compared to many similar studies in the literature. This indicates the success of the proposed model, positioning it as a viable alternative.

  • Open Access

    Drone'lar için Sensörsüz BLDC Motor Sürücü Tasarımı ve Uygulaması

    by Halis Emir Gündoğdu, Ferdi Yabansu, Fatih Onur Hocaoğlu, Tolga Özer

    Dronelar, günümüzde çeşitli sektörlerde çeşitli amaçlar için kullanılan hava araçlarıdır. Drone’ların motorlarını kontrol etmek için ESC (Electronic Speed Controler) kartı kullanılır. Bu kart, drone’lardaki motorların hızlarını kontrol ederek hava aracının istenilen yöne ve yüksekliğe çıkmasını sağlar. Drone’larda bulunan motorların hassas hız kontrolü hava aracının kararlı bir şekilde uçuşu için hayati öneme sahiptir. Bu çalışmada 2450 kVa 12 V’luk bir drone motorunun hız kontrolünün gerçekleştirilmesi için Afyon Kocatepe Elektrik Mühendisliği laboratuvarında bir ESC kartı tasarlanmış; tasarlanan kart üretilmiş ve performansı denenmiştir. Makalede bu ESC kartının çalışma algoritması ve performansına ait sonuçlar sunulmuştur. Performans değerlendirmesi yapılırken, belirli aralıklarla hıza bağlı akım değerleri, motor sıcaklık verileri gibi parametreler ölçülmüş ve kaydedilmiştir. Parametrelerin zamana bağlı değişimleri incelenmiş ve geliştirilen ESC kartının, motoru başarıyla kontrol edebildiği tespit edilmiştir.


  • Open Access

    MODELLING OF DIFFERENT MOTHER WAVELET TRANSFORMS WITH ARTIFICIAL NEURAL NETWORKS FOR ESTIMATION OF SOLAR RADIATION

    by Kübra Kaysal, Fatih Onur Hocaoğlu

    IIn recent years, the interest in renewable energy sources has increased due to environmental damage and, the increasing costs of fossil fuel resources, whose current reserves have decreased. Solar energy, an environmentally friendly, clean and sustainable energy source, is one of the most important renewable energy sources. The amount of electrical energy produced from solar energy largely depends on the intensity of solar radiation. For this reason, it is essential to know and accurately predict the characteristics of the solar radiation intensity of the relevant region for the healthy sustainability of the existing solar energy systems and the systems planned to be installed. For this purpose, a two-stage forecasting model was developed using the hourly solar radiation intensity of 2014 in a region in Turkey. In the first stage of the study, the second month of each season was selected to investigate the seasonal effects of the region and large, medium, and small-scale events in the study area were examined using discrete wavelet transform. The performances of different mother wavelets in the Artificial Neural Network model with Wavelet Transform (W-ANN) are compared in the second stage. July, the most successful estimation result in seasonal solar radiation intensity was obtained. The most successful RMSE values for January, April, July and October were 65,9471W/m^2, 74,3183 W/m^2, 54,3868 W/m^2, 78,4085 W/m^2 respectively, the coiflet mother wavelet measured it.


  • Hibrit derin öğrenme yöntemi kullanılarak hiperparametre optimizasyonu ile yenilenebilir elektrik enerjisi tahmini

    by Kübra Kaysal, Ahmet Haşim YURTTAKAL, Fatih Onur Hocaoğlu

    Enerji kaynaklarının düzensiz ve bilinçsiz kullanımı çevresel tahribatlara sebep olurken, artan nüfus yoğunluğu, sanayi ve teknolojinin gelişmesi de her geçen gün elektrik enerjisi talebini artırmaktadır. Bu amaçla enerji sektörü yatırımları hem çevre dostu hem de arz-talep dengesini sağlamak adına rüzgâr enerjisi gibi yenilenebilir enerji kaynaklarına yönelmektedir. Rüzgâr enerjisinden elde edilen enerji miktarı rüzgârın yönü ve hızı gibi bölgesel farklılıklara bağlı olarak değişkenlik göstermektedir. Bu enerjinin doğrusal ve durağan olmayan yapısı, mevsimsel ve bölgesel üretim değişimlerinden dolayı kısa dönemde yük tahmini yapmayı oldukça zorlaştırmaktadır. Bu çalışmada, rüzgâr enerjisinden elektrik üretimi tahmini için derin öğrenme metotlarından CNN ve BLSTM mimarilerinin hibrit bir şekilde modellendiği bir yöntem önerilmiştir. Tahmin modelinde, saatlik frekansta ölçülmüş 26280 adet gerçek zamanlı veri kullanılmıştır. Ayrıca tahmin başarısını artırmak adına modelde kullanılan hiperparametre değerleri Grid Search arama algoritması kullanılarak optimize edilmiştir. Önerilen hibrit modelin başarısı BLSTM modeli ile kıyaslanmıştır. Sonuç olarak önerilen CNN-BLSTM modelinin başarım oranını gösteren R2 değeri 0,984 olarak hesaplanmıştır.


  • Open Access

    Forecasting The Impact of Vaccination on Daily Cases in Turkey for Covid-19

    by Enes Yildiz, Muhammed Mustafa Kelek, Fatih Onur Hocaoğlu, Yüksel Oğuz

    This study, it is aimed to investigate the effect of the vaccine on the cases in the fight against Covid-19, which threatens the whole world. The number of Covid-19 cases, which were tried to be reduced with various precautions worldwide and in Turkey, has become a new hope with the start of vaccination. The increase in the effect of the vaccination, which started in January 2021, brought the need to examine the vaccination rate in three groups as slow, medium, and fast. In this study, different scenarios were tried in the number of vaccinations applied in Turkey, and the daily number of cases until December 2021 was forecasted by Artificial Neural Networks (ANN). The effect of restrictions and vaccination on the number of Covid-19 cases was investigated. Different training algorithms were used, and the best success rate was found with the comparison method. Accurate forecasting of cases will let policymakers take precautions on time. Moreover, the effect of vaccination on cases should be investigated.