Data mining-based power generation forecast at wind power plants
Rüzgâr enerji santrallerinde veri madenciliği tabanlı güç üretim tahmini
- Tez No: 355342
- Danışmanlar: DOÇ. DR. PINAR ŞENKUL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Son yıllarda tüm dünyada ve ülkemizde yenilenemez enerji kaynaklarının hızla tükenmesi sonucu yenilenebilir enerji kaynaklarından verimli bir şekilde faydalanmanın önemi gittikçe artmıştır. Rüzgâr enerjisi yenilenebilir enerji kaynakları arasında önemli bir yere sahiptir. Buna rağmen diğer yenilenebilir enerji kaynaklarına göre rüzgârın karakteristik olarak alansal ve zamansal olarak süreksizliğe sahip olması nedeniyle rüzgâr güç üretiminin tahminine ve planlamasına ihtiyaç duyulmaktadır. Santraller, rüzgâr güç üretim tahminlerini gün öncesinden enerji borsasına bildirirler ve bu tahminlerinin doğruluğuna göre kar elde ederler. Ayrıca enerjinin elektrik iletim ve dağıtım kurumları tarafından etkin ve verimli bir şekilde yönetilmesi için de tahminlerin mümkün olduğunca doğru olması gerekmektedir. Elektrik Dağıtım Operatörleri tüm ülkenin elektrik hattını bu tahminler doğrultusunda düzenlemektedir. Bu faktörlerden dolayı, güvenilir bir rüzgar gücü tahmin sistemi hem santral sahipleri hem de dağıtım operatörleri için önemlidir. Güç tahminlerinin doğruluğu hava tahminlerinden etkin bir şekilde faydalanmakla doğru orantılıdır. Hava tahminleri rüzgâr hızı, rüzgâr yönü, sıcaklık, basınç, nem gibi birçok parametreye sahiptir. Bu parametrelerin rüzgâr güç üretim tahminlerinde etkili bir şekilde kullanılmasında veri madenciliği yöntem ve modelleri önemli bir yere sahiptir. Literaturdeki temel tahmin modelleri fiziksel, istatistiksel ve hibrid olmak üzere gruplandırılır. İstatistiksel modeller geçmiş güç verisi ile geçmiş hava tahmin verisi arasında matematiksel bir modelleme kurma esasına dayanır. Bu tezde İstatistiksel Hibrid Rüzgar Enerjisi Tahmin Yöntemi (SHWIP) isimli veri madenciliği yöntemlerine dayalı, yeni kısa süreli (48 saatlik) tahmin yöntemi sunulmuştur. Modelin ana amacı hava olaylarını en önemli hava parametrelerine göre sınıflandırıp rüzgar güç tahmnilerinin doğruluğunu geliştirmektir. Model aynı zamanda üç farklı hava tahmininden elde edilen güç tahminlerini birleştirip hibrid edilmiş tahminleri oluşturur. Model, Rüzgar Gücü İzleme ve Tahmin Sistemi (RİTM) projesinde Haziran 2012 den beri kullanılmakta ve sonuçları literatürde yer alan çok bilinen istatistiksel ve fiziksel yöntemlerle karşılaştırılmıştır.
Özet (Çeviri)
As a result of rapid depletion of non-renewable energy resources, the importance of the efficient utilization of renewable energy sources has increased all over the world and in our country in recent years. Wind has an important role in renewable energy sources with its high potential. However, compared to other renewable energy sources, wind has a spatial and temporal discontinuity characteristic so there is a need for estimating and planning of wind power generation. Wind Power Plants (WPPs) inform their wind power production forecasts for the day-ahead to an energy market and they get profit according to correctness of their declared forecasts. So, the accuracy of estimates of power generation is very important from the economic point of view for WPP owners. In addition, forecasts must be as accurate as possible for efficient and effective administration of energy by electric transmission and distribution operators. Transmission System Operators (TSOs) regulate the energy grid of all country according to energy forecasts. Because of these factors, a reliable wind power forecast system is crucial for both WPP owners and TSOs. The accuracy of the wind power estimations is directly proportional to effective use of Numerical Weather Prediction (NWP) data. NWP data have many parameters such as wind speed, wind direction, temperature, pressure, humidity. Data mining methods and models play an important role in order to use these parameters for wind power generation forecasts effectively. The main forecast models in the literature are grouped as physical, statistical and hybrid models. Statistical models are based on constructing a mathematical modeling between past real power data and past NWP data. In this thesis, a new statistical short term (up to 48h) wind power forecast model, namely Statistical Hybrid Wind Power Forecast Technique (SHWIP), which is based on the data mining methodologies, is presented. The main aim of the model is clustering the weather events according to most important NWP parameters for improving the accuracy of the wind power forecasts. It also combines the power forecasts obtained by from three different NWP sources and produces a hybridized final forecast. The model has been verified at Wind Power Monitoring and Forecast System for Turkey (RİTM) since June 2012 and the results of the new model are compared with well-known statistical models and physical models in the literature.
Benzer Tezler
- Dağıtılmış üretim üniteleri için akıllı yöntemlerle adalaşmanın algılanması
Islanding detection for di̇stri̇buted generation units using intelligent methods
SAMAN KORJANI
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. SÜLEYMAN SUNGUR TEZCAN
- Birliktelik kuralları analizi ile arıza teşhisi: Elektrik üretim santrallerinde bir uygulama
Fault detection by analysis of association rules: An application in electricity generation plants
SABRİ GÜNGÖR
- Rüzgâr gücü tahmin sistemi tasarımı ve uygulaması
Design and application of a wind power prediction system
MEHMET YEŞİLBUDAK
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
PROF. DR. İLHAMİ ÇOLAK
PROF. DR. ŞEREF SAĞIROĞLU
- Predicting and analysis electrical energy consumption by using data mining algorithms
Başlık çevirisi yok
MOHAMED ABDULHAMED MOHAMED ALMUSLEHI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ