Geri Dön

Predictions of wind speed and wind power potential using artificial neural networks

Yapay sinir ağları ile rüzgar hızı ve rüzgar gücü potansiyeli tahminleri

  1. Tez No: 178465
  2. Yazar: MEHMET BİLGİLİ
  3. Danışmanlar: PROF.DR. BEŞİR ŞAHİN
  4. Tez Türü: Doktora
  5. Konular: Enerji, Makine Mühendisliği, Energy, Mechanical Engineering
  6. Anahtar Kelimeler: Hedef istasyon, Meteorolojik parametreler, Referans istasyon, Rüzgar hızı, Yapay sinir agları, Artificial neural networks, Meteorological parameters, Reference station, Target station, Wind speed
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 215

Özet

Bu çalısmada, Türkiye'nin güney ve güneybatı bölgesindeki rüzgar gücü potansiyeli, Weibull ve Rayleigh olasılık yogunlugu fonksiyonları ve ?Wind Atlas Analysis and Application? Programı (WAsP) kullanılarak hesaplanmıstır. Ayrıca, bir hedef istasyonun rüzgar hızı, etrafını çevreleyen referans istasyonların rüzgar hızlarından ve diger meteorolojik parametrelerinden faydalanılarak yapay sinir agları (YSA) yöntemi ile tahmin edilmistir. Bundan baska, YSA, Türkiye'nin herhangi bir özel noktasındaki ortalama sıcaklık ve yagmur parametrelerini, etrafını çevreleyen referans istasyonların degerlerinden faydalanarak tahmin etmek için uygulanmıstır. Bir saat aralıklarla alınan rüzgar hızı dataları, Elektrik İsleri Etüt İdaresi (EİE) tarafından Akhisar, Belen, Datça, Gelendost, Söke, Gökçeada, Foca, Gelibolu ve Bababurnu gibi 9 ayrı rüzgar ölçüm istasyonlarından elde edilmistir. Saatlik rüzgar hızları ve yön bilgilerini içeren datalar 1998 ile 2003 yılları arasını kapsamaktadır. Referans istasyonlar olarak kabul edilen istasyonların rüzgar hızı dataları ve diger meteorolojik parametreler olusturulan yapay sinir agının giris katmanında kullanılırken, hedef istasyon olarak kabul edilen istasyonun rüzgar hızı degeri yapay sinir agının çıkıs katmanında kullanılmıstır. MATLAB programında, farklı yapay sinir agı ögrenme algoritmaları kullanılarak bir tahmin modeli olusturulmus ve elde edilen sonuçlar ile gerçek degerler karsılastırılmıstır. Bunun sonucunda bulunan hata degerlerinin kabul edilebilir sınırlar içerisinde oldugu görülmüstür.

Özet (Çeviri)

In this study, wind power density in the southern and southwestern region of Turkey was determined by using the Weibull and Rayleigh probability density functions and the Wind Atlas Analysis and Application Program (WAsP). Moreover, wind speed of a target station was predicted using wind speeds of reference stations and other meteorological parameters with the artificial neural networks (ANNs) method. ANNs were also applied to predict the long term monthly temperature and rainfall at any specific point of Turkey based on the use of the neighboring measuring stations data. The wind data taken with an interval of one hour were measured by the General Directorate of Electrical Power Resources Survey Administration (EIE) at 9 measuring stations such as Akhisar, Belen, Datça, Gelendost, Söke, Gökçeada, Foca, Gelibolu and Bababurnu. The long-term wind data, containing hourly wind speeds and directions, cover the period from the year 1998 to 2003. Wind speeds of reference stations and other meteorological parameters were used as an input neurons in the ANN architecture, while the target station wind speed was used as an output neuron in the ANN architecture. In MATLAB, different artificial neural network learning algorithms have been used to establish the ANN models. The results obtained with these models were compared with the actual data. Comparisons have shown that there was a good agreement between predicted and measured data. Errors obtained in these models are well within acceptable limits.

Benzer Tezler

  1. WRF ve yapay zeka ile rüzgar enerjisi santrali optimizasyonu

    Wind Farm Optimization with WRF and artificial intelligence

    FAHRETTİN FIRAT ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Enerjiİskenderun Teknik Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDULLA SAKALLI

  2. Kısa süreli rüzgar tahmini için WRF model performansının analizi ve rüzgar gücü uygulamaları

    Analysis of wrf model performance for short-term wind prediction and wind power applications

    NİLCAN AKATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVİNÇ SIRDAŞ

  3. Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  4. Akıllı şebekelerde makine öğrenmesi teknikleriyle kısa dönem rüzgâr hızı tahmini: Kocaeli-Türkiye örneği

    Short–term wind speed forecasting in smart grids with machine learning techniques: A case study in Kocaeli-Türkiye

    MAYSA GAIDOUM AHMED GAIDOUM

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. YILMAZ UYAROĞLU

  5. Rüzgâr türbininde üretilen gücün yapay sinir ağı kullanılarak modellenmesi

    Modeling of power generated in wind turbine using artificial neural networks

    MEHMET ÇİFT

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiOsmaniye Korkut Ata Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT YANIKTEPE