Yenilenebilir enerji santrallerinde yapay sinir ağları yöntemiyle enerji üretiminin modellenmesi ve planlanması
Modeling and planning of energy production in renewable energy stations with artificial neural networks
- Tez No: 200862
- Danışmanlar: PROF.DR. DÜRRİYE BİLGE, PROF.DR. ERALP ÖZİL
- Tez Türü: Doktora
- Konular: Enerji, Makine Mühendisliği, Energy, Mechanical Engineering
- Anahtar Kelimeler: Yenilenebilir enerji, rüzgar enerjisi, hidroelektrik enerji, bulanık mantık, yapay sinir ağları, enerji planlaması, Renewable Energy, wind power, hydroelectric power, fuzzy logic, artificial neural networks, energy planning
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 255
Özet
Yenilenebilir enerji santralleri arasında rüzgar santralleri uygulanabilirliği, verimliliği ve üretilen elektrik maliyetleri açılarından en önemli olanıdır. Ancak, rüzgar santrallerinin kontrolü tam anlamıyla doğanın elindedir. Diğer bir deyişle, rüzgarın ne zaman ne şiddette eseceği insanoğlunun kontrolü dışındadır. Tüm elektrik üreten yenilenebilir enerji santrallerinde planlama aşamasından üretime geçiş aşamasına kadar yaşanan başlıca sorun, santralin bulunduğu bölgedeki meteorolojik verilerin düzeyi, zamana bağlı değişimi ve verilerin gerçekçi bir modelde kullanılarak üretim düzeyinin belirlenmesidir. Karmaşık meteorolojik modeller ve zaman serileri ile yapılan model çalışmalarında istenen doğruluk ve esneklik elde edilememiştir. Bir yenilenebilir santralin üretim düzeyi meteorolojik verilere bağlı olarak doğru saptanamazsa, o santralin güvenilir kapasitesi, kullanılacak donanım kapasiteleri ve türleri yanlış seçilebilmekte; bunun sonucunda yatırım ve üretim maliyetleri hatalı hesaplanmaktadır. Ulusal bazda, elektrik enerjisi üretimi açısından bakıldığında, şebekeye verilecek olan elektrik enerjisindeki kesikli bağlantılar dalgalanmalara neden olmakta; ulusal şebeke genelinde teknik sorunlar yaratmakta, şebeke verimliliği ve etkinliği alanlarında önemli düşüşlere yol açmaktadır ki, bu istenmeyen bir durumdur. Bu çalışmada yukarıda anlatılan sorunlara özellikle yapay sinir ağları kullanılarak yeni yaklaşımlar getirilmiştir. Rüzgar, hidrolik debi ve güneşlenme verileri için kısa, orta ve uzun vadeli tahminler ve öngörüm modelleri üretilmiştir. Bu sayede yenilenebilir enerji santrallerinde enerji üretiminin kontrolü ve planlaması günlük, aylık ve yıllık olarak büyük bir hassasiyetle yapılabilecektir. Bu tezde yapılan çalışmalar sonucu rüzgar, su ve güneşe dayalı yenilenebilir enerji santralleri için akıllı sinir ağları ve bulanık mantık kullanarak kısa, orta ve uzun vadeli tahminleri yüksek bir hassasiyetle yapan bir özgün bir model oluşturulmuştur. Oluşturulan model Türkiye'nin çeşitli yörelerinden elde edilen gerçek verilerle sınanmış ve uyumun çok yüksek olduğu gözlenmiştir.
Özet (Çeviri)
Wind power is the most common, widely applicable, feasible and productive renewable energy source. However the control of the wind power stations is mostly under control of the nature. In other words, wind speed and power production can not be directly controlled by human beings. One of the major problems in the process of electricity generation from renewable energies, which includes the timing from planning to production, is the modeling of meteorological activities and corresponding production level. Complicated meteorological and mathematical models can not provide correct and flexible results. If the production level of the renewable energy plant can not be defined correctly according to the meteorological data then hardware capacities, investment and production costs of the plant may calculated erroneously. In the national level, fluctuations and interrupted electricity power entry to the national grid result in technical problems, decreases in capacity and feasibility problems. This thesis proposes a new approach for solving the above mentioned problems by the use of artificial neural networks. A model for forecasting the wind, hydro and solar radiation capacity for short, mid and long term has been developed. As a result of this, energy production planning and control in the renewable energy plants can be achieved in daily, monthly and yearly basis with great senility and straightness. This new model and approach was also tested in different regions of Turkey with real data obtained from meteorological data centers.
Benzer Tezler
- Rüzgar enerji santrallerinin modellenmesi ve kısa devre analizi
Modelling of wind power plants and short circuit analysis
MEHMET ŞEN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiNecmettin Erbakan ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUCİZ ÖZCAN
- Hidroelektrik enerji santrallerinde üretilen enerjinin kısa ve uzun süreli olarak tahmin edilmesi ve taşkın riskinin araştırılması: Doğançay Hidroelektrik Enerji Santralleri örneği
Estimation of energy produced in hydroelectri̇c power plants as short and long term and investigation of flood risk: case study of Dogancay Hydroelectric Power Plants
AHMET IYAD CEYHUNLU
Yüksek Lisans
Türkçe
2020
İnşaat MühendisliğiSakarya Uygulamalı Bilimler Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKMEN ÇERİBAŞI
- Yenilenebilir enerji kaynaklı santrallerde enerji üretimi ve denetimi
Energy production and audit at renewable energy power plants
ONUR ODYAKMAZ
Doktora
Türkçe
2008
EnerjiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. DÜRİYE BİLGE
- Güneş enerji santrallerinde derin öğrenme ile aylık elektrik üretim tahmini
Monthly Electricity Production Forecast with Deep Learning in Solar Power Plants
ÖMER ÇETİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ HAKAN IŞIK
- 550 kwp kurulu güce sahip güneş santralinin makine öğrenmesi ile kısa vadeli elektrik üretim tahmini
Prediction of short-term electricity production amount of solar power plant with 550 kwp installed capacity using machine learning
ALİCAN GÜZEL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBurdur Mehmet Akif Ersoy ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇİFCİ