Browsing by Author "Karakoyun, Yakup"

Now showing 1 - 9 of 9

A Comparison of Heating and Cooling Systems Having Radiant and Ventilation Systems Regarding Thermal Comfort
(Springer, 2024) Rahmanparast, Amir; Bacak, Aykut; Camci, Muhammet; Karakoyun, Yakup; Acikgoz, Ozgen; Dalkilic, Ahmet Selim
Thermal comfort is crucial for indoor environmental quality, impacting occupant well-being and intellectual productivity. Despite the widespread use of HVAC technologies in residential and commercial buildings, there is growing awareness of thermal comfort, leading to more studies on this issue. According to international publication indexes nearly 60% of publications belongs to the categories of construction building technology, energy fuels, and civil engineering. It should also be noted that 40% of world energy consumption pertains to construction sector. In this context, radiant cooling and heating systems come forward with their low exergy destruction rates pointing out the potential to be energy-efficient due to their higher and lower operation temperatures. Displacement ventilation, with its low heating and cooling capacity, has not gained widespread preference. However, the increasing consciousness of global warming and energy efficiency, along with the fear of airborne virus contamination, views stand-alone or hybrid applications of radiant heating/cooling and displacement ventilation as potential future solutions. This review study investigates the impact of radiant heating/cooling and ventilation types, mixing, and displacement on thermal comfort performance, focusing on factors affecting thermal comfort in trending radiant cooling and heating applications like radiant walls, ceilings, and floors. The study emphasizes the importance of considering occupant preferences, building characteristics, and energy efficiency when choosing the most suitable heating and cooling systems for different indoor environments. Stand-alone and hybrid applications of radiant heating/cooling and displacement systems can enhance thermal comfort performance, with the exception of specific cases requiring a high thermal load or ventilation rate.
A Comprehensive Method for Exploratory Data Analysis and Preprocessing the Ashrae Database for Machine Learning
(Pergamon-elsevier Science Ltd, 2025) Rahmanparast, Amir; Milani, Muhammed; Camci, Muhammet; Karakoyun, Yakup; Acikgoz, Ozgen; Dalkilic, Ahmet Selim
Thermal comfort prediction is crucial for building energy efficiency and occupant comfort. ML methods are commonly used to predict thermal comfort. This research presents a comprehensive process for exploring and preprocessing the ASHRAE Database, providing a substantial dataset comprising 107,583 records of thermal comfort observations to create ML algorithms that can estimate Fanger's PMV. With the most detailed cleaning and preprocessing stages in the literature, which included the imputation of missing values and the management of outliers, the final dataset is reduced to 55,443 records for the analyses. For practical applications and indoor comfort assessments, its estimation offers significant advantages due to its speed, ease of use, and costeffectiveness. This study aimed to investigate which parameters are important in Fanger's PMV model and which subset of variables is best for variable selection using different feature selection and analysis methods. The Ta and Tr had a high correlation value of 0.92, indicating a robust link between these two variables. The study employed Feature importance, the SelectKBest, SHAP, P-box, and PDP analyses, which showed consistency and suggested condensing the first six elements into three, and also was validated with the Chinese Database with 41,977 entries. The study targeted three parameters: Ta, clo, and M, using less expensive and simple measurement devices. To evaluate the accuracy of the research performance, RF and SVM models were created based on these three parameters. The results indicated that they have the accuracies of 85% and 70%, respectively, which are far better than the conventional models.
Deep Learning and Adaptive Boosting for Hydroelectric Power Prediction Using Hydro-Meteorological Data: Insights and Feature Importance Analysis
(Pergamon-elsevier Science Ltd, 2025) Karakoyun, Yakup; Katipoglu, Okan Mert; Dogan, Ahmet
This study explores the use of modern artificial intelligence (AI) models such as Adaptive Boosting (AdaBoost), Autoencoder Based Regression Model (Autoencoder), Deep Neural Network (DNN), Echo State Network (ESN), Light Gradient Boosting Machine (LGBM) Residual Neural Network (ResNet) and feature importance techniques to predict energy production. Daily rainfall, streamflow, temperature and energy production data between 2016 and 2019 were used in the study. According to the feature importance analysis performed using the LGBM model, streamflow, temperature, and precipitation were identified as the most critical parameters influencing energy production. This structured AI-driven approach provided robust model evaluation and reliable performance measurements. As revealed by the analysis, the LGBM model showed the most accurate result with the values of root mean square error (RMSE: 98.27), mean absolute error (MAE: 73.93), Akaike information criterion (AIC: 17,100), Nash-Sutcliffe efficiency coefficient (NSE: 0.69), Kling-Gupta efficiency (KGE: 0.77), coefficient of determination (R2: 0.69), mean bias error (MBE: -5.23), bias factor (BF: 1.02), and percent bias (PBIAS: 1.51), while the DNN model came in with the second-best results. These findings emphasize both the effectiveness of deep learning and ensemble AI models and their practical application in improving hydroelectric power generation forecasting. Furthermore, the study underscores the importance of accurately monitoring and managing streamflow for the optimization of hydroelectric systems.
Determination of Effective Parameters for Hydropower Plants' Energy Generation: a Case Study
(Mdpi, 2024) Karakoyun, Yakup
The current study aims to conduct a comprehensive analysis of the key parameters that affect the energy output of the Bagisli Hydropower Plant, located on the Zap River in the Dicle (Tigris) basin of Turkey. It considers the daily data for the time interval of 2016-2019 related to flow rate, precipitation, and temperature in relation to the generation of electricity. The relationship between energy output and flow rate is evident; however, the energy production is limited by the design flow rate. The largest flow rates were seen during the spring season after the occurrence of peak precipitation, which exhibited a shifting pattern. Similarly, energy generation also reaches its highest level during this time period. Another outcome of this study is that there is no apparent association between daily precipitation and daily energy generation. Moreover, a novel correlation with an R2 value of 0.89 has been proposed, in the deviation band of +/- 20%, to estimate energy generation when only flow rate data are available.
Determining the Potential of Rooftop Solar Energy Systems in Van Province With Machine Learning Supported Satellite Image Analysis
(2024) Yılmaz, Tolga; Karakoyun, Yakup
Elverişli doğal kaynaklardan enerji üretimi, sürdürülebilir kalkınma hedefleri doğrultusunda büyük bir önem taşımaktadır. Bu bağlamda, yenilenebilir enerji kaynaklarının etkin kullanımı, fosil yakıtların neden olduğu çevresel sorunları azaltmada kritik bir rol oynamaktadır. Güneş enerjisi, sınırsız potansiyeli ve çevre dostu yapısıyla yenilenebilir enerji kaynakları arasında ön plana çıkmaktadır. Ancak, güneş enerjisinden verimli bir şekilde yararlanmak için potansiyel bölgelerin doğru bir şekilde belirlenmesi gerekmektedir. Son yıllarda, makine öğrenmesi ve uydu görüntü analizi gibi yenilikçi yöntemler, güneş enerjisi potansiyelinin belirlenmesinde güçlü araçlar haline gelmiştir. Bu çalışma, Van ili özelinde çatı üstü fotovoltaik (PV) panel kurulumuna uygun alanların tespiti için geliştirilen yeni model önerilmesiyle ve kapsamlı bir analiz yöntemini sunmaktadır. Yüksek çözünürlükte uydu görüntüleri ve makine öğrenmesi tekniklerini birleştiren bu yaklaşım, çatıların fiziksel özelliklerini, güneş ışınım potansiyelini ve çevresel faktörleri detaylı bir şekilde analiz etmektedir. Uydu görüntüleri ile coğrafi veri setleri entegre edilmiş ve bu veriler üzerine kapsamlı bir sınıflandırma uygulanmıştır. Microsoft Building Footprints veri seti ve RGB histogram analizlerinden yararlanılarak görüntü işleme yöntemleriyle toplamda 85.298 çatı alanı değerlendirilmiş ve Random Forest algoritması yardımıyla bu alanlar uygunluk açısından sınıflandırılmıştır. Ayrıca, PVGIS kullanılarak potansiyel kurulu güç 558.27 MW, yıllık toplam enerji üretimi 566928.80 MWh olarak hesaplanmıştır ve Van ilinin bölgesel enerji güvenliği ile ekonomik fayda sağlayabilecek önemli bir potansiyele sahip olduğu ortaya konmuştur. Aynı zamanda elde edilen bulgulardan hareketle yıllık 255117.95 ton CO2 azalımı hesaplanmıştır. Çalışma, Van ilindeki güneş enerjisi potansiyelinin daha etkin bir şekilde kullanılmasına yönelik stratejik bir yol haritası sunmaktadır. Özellikle enerji bağımsızlığının artırılması ve yerel yönetimlerin sürdürülebilir enerji politikalarına uyum sağlaması açısından kritik bir rehber niteliğindedir. Bu yöntemlerin, diğer bölgelerde de potansiyel analizler için uygulanabilir olduğu vurgulanmaktadır.
Experimental Investigation of the Effect of Channel-Top Pv Panel Systems on Panel Efficiency and Evaporation
(2024) Canbaz, Ali; Karakoyun, Yakup
Fotovoltaik (PV) panel sistemleri yenilenebilir enerji kaynaklarından güneş enerjisini doğrudan elektrik enerjisine dönüştüren ve en çok kullanılan enerji üretim sistemlerinden biridir. PV panellerin performansı, güneş ışınımından kaynaklı panel sıcaklıklılarının değişimi ile doğrudan ilişkilidir. Özellikle yüksek panel sıcaklıklarında panel gücü oldukça azalmaktadır. Bu durumun etkisini azaltma veya ortadan kaldırma yöntemlerinden birisi de sulu soğutma yaklaşımlarından evaporatif soğutmadır. Evaporatif soğutma, özellikle kuru iklim bölgelerinde yaz mevsiminde iklimlendirmede önemli ve başarılı bir yöntemdir. Bu yaklaşım atomize olmuş sıvı parçacıklarının faz değiştirerek buhar fazına geçmesi sırasında çektiği ısı enerjisi dolayısıyla oldukça avantajlı bir uygulamadır. Bu çalışmada, Köppen iklim sınıflandırılmasına göre sıcak ve kurak iklim bölgesi özelliği taşıyan Van ilinde, deneysel ölçekte oluşturulan bir kanal üzerine yerleştirilen PV panelin evaporatif soğutma ile soğutulması incelenmiştir. Ayrıca, sıcak ve kurak iklim bölgelerinde su kaynaklarına erişim kısıtlı olduğundan, mevcut kaynakların korunması gerektiği noktasından hareketle, kanal üzerine yerleştirilen PV panel vasıtasıyla kanaldaki buharlaşma miktarının gölgeleme etkisi ile azaltılması amaçlanmaktadır. Mevcut çalışma üç aşamadan oluşup, birinci aşamada kanal üzerine kurulan PV panel sisteminin zemine kurulan eş sisteme göre farklı açılarda performansı incelenirken, ikinci aşamada farklı panel eğim açılarının eş PV panel-kanal sistemlerinin performansına etkisi incelenmiştir. Çalışmanın son aşamasında ise kanal debisinin sistem performansına etkisi irdelenmiştir. Yapılan çalışma neticesinde, kanal üstü PV panel sistemlerinin zemine kurulan eş sistemlere göre verimlerinin, test edilen bütün durumlar dikkate alındığında ortalama farkın %1.9 olduğu ortaya çıkmıştır. En yüksek farkın ise 8⁰ panel eğim açısında %2.8 olduğu tespit edilmiştir. Buharlaşma miktarı incelendiğinde ise ortalama 4 litre buharlaşmanın gerçekleştiği görülmüştür. Farklı eğim açılarının sistem performansına olan etkilerinin incelendiği ikinci aşama deneyler neticesinde de panel eğim açısının düşmesiyle incelenen sistemlerin verimlerinin ortalama %1.5 kadar arttığı görülmüş olmakla beraber, buharlaşma miktarlarında azalma meydana gelmiştir. Çalışmanın son aşaması olan kanaldaki farklı debilerin sistem performansına olan etkilerinin incelendiği deneylerde ise kanal debisinin artmasıyla panel veriminin ve buharlaşma miktarının aynı eğim açısına sahip sistemlerde arttığı gözlemlenmiştir.
Hidroelektrik Santrallere Sürdürülebilir Bir Alternatif Olarak Güneş Enerjisi: Şelale Hes Örneği
(2024) Karakoyun, Yakup
Güneş ve hidroelektrik enerjisi santralleri enerji üretimleri bakımından incelendiğin- de, her bir teknolojinin kendine özgü avantaj ve dezavantajları olduğu görülmektedir. Bu iki enerji kaynağı arasında karar verirken, durumun birçok yönünü göz önünde bulundurmak önemlidir. Bu çalışma, belirlenmiş bir bölgede faaliyette olan Şelale Hidroelektrik Santrali’nin enerji üretim profili ile aynı bölgede eş kurulu güce sahip bir güneş enerjisi santrali kurulması halinde benzer zaman dilimleri (2019-2022) için elde edilebilecek muhtemel enerji üretim profilini kapsamlı bir şekilde karşılaştırmayı amaçlamaktadır. Güneş enerjisi santralinin enerji üretimi, araştırma bölgesiyle ilgili günlük güneş ışınımı verileri kullanılarak tahmin edilmiştir. Sonuçlar, güneş enerjisi santralinden elde edilebilecek yıllık enerjinin 23 GWh’den 28 GWh’ye yükseldiğini, hidroelektrik santralinden elde edilen enerjinin ise 40 GWh’den 30 GWh’ye düştüğünü göstermektedir. İncelenen santraller arasındaki enerji üretim farkları zaman içinde azalmış ve üretimler birbirine yaklaşmıştır. Sonuç olarak, çalışma yapılan bölgede hidroelektrik santraline alternatif olarak güneş enerji santralinin kurulması uzun va- dede hem enerji üretimi hem de doğanın korunması bakımından daha uygun olduğu görülmüştür. Ayrıca, mevcut santralde bırakılan çevresel akış miktarının çok düşük olduğu ortaya çıkmış ve Tessman yöntemi uygulanarak aylık akış özelliklerine dayalı olarak yeni çevresel akış miktarı önerilmiştir.
Improving Pressure Drop Predictions for R134a Evaporation in Corrugated Vertical Tubes Using a Machine Learning Technique Trained With the Levenberg-Marquardt Method
(Springer, 2024) Colak, Andac Batur; Bacak, Aykut; Karakoyun, Yakup; Koca, Aliihsan; Dalkilic, Ahmet Selim
The present investigation utilized a machine learning structure to ascertain the pressure drop in vertically positioned, corrugated copper tubes during the evaporation process of R134a. The evaporator was a counter-flow heat exchanger, in which R134a flowed in the inner corrugated tube and hot water flowed in the smooth annulus. Different evaporation mass fluxes (195-406 kg m-2 s-1) and heat fluxes (10.16-66.61 kW m-2) were used with artificial neural networks at different corrugation depths. A multilayer perceptron artificial neural network model with 13 neurons in the hidden layer was proposed. Tan-Sig and Purelin transfer functions were used in the network model developed with the Levenberg-Marquardt training algorithm. The dataset, which consisted of 252 data points, related to the evaporation process, was divided into training (70%), validation (15%), and testing (15%) groups in an arbitrary manner. The artificial neural network model has been demonstrated to effectively forecast the pressure drop that occurs during evaporation. The mean squared error was computed for the Delta P values observed during the evaporation processes, yielding a value of 1.96E-03. The artificial neural network exhibited a high correlation coefficient value of 0.94479. The estimation fluctuations exhibited a range of +/- 10%, whereas the experimental and anticipated Delta P data demonstrated a divergence of +/- 10.3%.
Machine Learning Application With Bayesian Regularization for Predicting Pressure Drop in R134a's Annular Evaporation and Condensation
(Springer Heidelberg, 2025) Colak, Andac Batur; Bacak, Aykut; Karakoyun, Yakup; Koca, Aliihsan; Dalkilic, Ahmet Selim
The study of condensation and evaporation in plain pipes is a significant area of engineering and scientific inquiry, as it has relevance for enhancing and developing various industrial procedures. This study utilized a Bayesian artificial intelligence method to determine the pressure drop in a vertically oriented plain copper pipe during R134a's annular condensation and vaporization. The heat exchanger uses R134a and water in the tube and annulus sides, in turn. The tube has an inner diameter of 8 and a length of 500 mm. The training sets for artificial neural networks comprise R134a mass fluxes within the interval of 260-515 kg/m2s for in-tube condensation and 200-405 kg/m2s for evaporation. The obtained data on pressure drop during condensation and evaporation experiments were utilized in artificial neural network analysis using a differential pressure transducer in the test section. The study randomly divided 368 and 50 data points into training (85%) and testing (15%) sets for condensation and evaporation. The Bayesian method, primarily applied on this subject, effectively forecasts pressure drop during experimental condensation and evaporation. Regarding margin of deviation analyses, the models' condensation and evaporation conditions display variations of approximately +/- 7.5 and +/- 8.9%, respectively. The artificial neural network training technique was optimized to achieve minimal mean squared error values of 1.4211E-06 after 32 iterations for condensation and 1.3511E-06 after 40 iterations for evaporation. The predicted pressure drop data has a deviation of +/- 10% with the experimental one for both condensation and evaporation. The artificial neural network model produced R-values of 0.99903 and 0.98451 for condensation and evaporation, correspondingly.