Improved wind power forecasting using combination methods
Kombinasyon yöntemleri kullanılarak rüzgar gücü tahminlerinin geliştirilmesi
- Tez No: 416726
- Danışmanlar: DR. AYŞE NUR BİRTÜRK, DOÇ. DR. PINAR KARAGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
Emniyetli, her yerde ve her zaman hazır olarak bulunabilen ve ekonomik açıdan elverişli olan rüzgar, dünya çapındaki toplam elektrik üretimindeki payı giderek artan önemli bir yenilenebilir enerji kaynağıdır. Ancak, rüzgar doğası gereği değişken ve devamlılığı olmayan bir yapıdadır. Bu nedenle rüzgardan üretilen gücün, kararlı yapıda olan elektrik şebekesine entegrasyonu sorun oluşturabilmektedir. Ayrıca, santral sahipleri enerji piyasasına bildirmek üzere gün öncesinden rüzgar gücü üretim bilgilerine ihtiyaç duymaktadır. Bu sebeplerden dolayı, rüzgar gücü tahmin çalışmaları yenilenebilir enerji alanında önemli bir yer kazanmıştır. Günümüzde kullanılan ve uygulanabilir olan birçok rüzgar gücü tahmin modeli bulunmaktadır. Fiziksel model, ANN ve SVM gibi istatistiksel modeller ile hibrit modeller bunlara örnek olarak verilebilir. Ancak, rüzgar gücü santralinin bulunduğu bölgedeki rüzgar karakteristiği göz önüne alındığında, bu yöntemlerin birbirlerine göre bazı avantaj ve dezavantajları vardır. Bu noktada, rüzgar gücü tahmin sistemini tek bir tahmin modeline dayandırmak yerine, tahmin modellerinin çeşitliliğinden yararlanan bir yaklaşım benimsenmektedir. Bu yaklaşım tahminlerin birleştirilmesi ya da tahminlerin kombinasyonu olarak isimlendirilebilir. Başarılı bir tahmin kombinasyonu, kendini oluşturan özgün tahminlerinin her birinden daha iyi sonuç vermeli ya da, en azından en iyi sonucu veren özgün tahmin ile eşit sonuç vermelidir. Bu tez kapsamında, ideal tahmin kombinasyonunu elde edebilmek için çeşitli tahmin kombinasyon yöntemleri geliştirilmiştir. Geliştirilen bu yöntemler, Türkiye Rüzgar Gücü İzleme ve Tahmin Merkezinin (RİTM) tahmin verileri üzerinde test edilmiştir. Deneysel sonuçlar neticesinde, test edilen rüzgar gücü santrallerinin birçoğu için, önerilen tüm kombinasyon yöntemleri özgün tahminlere kıyasla daha iyi tahmin hata oranları ile sonuçlanmıştır.
Özet (Çeviri)
Wind is an important renewable energy source to produce electricity thanks to its reliable, omnipresent and economically feasible characteristics and it has a growing proportion in overall energy production worldwide. However, integration of the generated wind power into the existing transmission grid is an issue due to inherently volatile and intermittent behavior of wind. Moreover, the power plant owners need reliable information about day-ahead power production for market operations. Therefore, wind power forecasting approaches have been gaining importance in renewable energy research area. There are many applicable wind power forecasting models including physical model, several statistical models such as ANN and SVM, and hybrid models. However, all of them have different advantages and disadvantages according to the wind characteristic of wind power plant region. At this point, forecast combination approaches stand out not to rely on a single forecast model, and also utilize forecast diversification. A combined forecast should be better than the individual forecasts, or at least be equal to the best performed one in order to be regarded as an ideal combination. Within the scope of this thesis, various forecast combination methods are proposed to provide ideally combined forecasts. These combination methods have been verified on forecasts data of The Wind Power Monitoring and Forecast System for Turkey (RİTM). The experimental results show that all of the applied combination methods give better forecast error rates for most of the wind power plants compared to individual forecasts.
Benzer Tezler
- İleri istatistiksel yöntemler kullanarak rüzgârdan üretilen elektriksel gücün tahmini
Wind-electric power forecast using advanced statistical methods
SERKAN BUHAN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIK ÇADIRCI
- 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
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- 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
2015
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ SIRDAŞ
- Atmospheric effects on short term wind power forecasting
Kısa vadeli rüzgar enerjisi üretim tahminlerinde atmosferik etkiler
YÜKSEL KALAY
Yüksek Lisans
İngilizce
2021
Enerjiİzmir Yüksek Teknoloji EnstitüsüEnerji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT BİNGÖL
- Makine öğrenimi tabanlı fotovoltaik çıkış gücü tahminlemesi
Machine learning based photovoltaic output power forecasting
BERRİN ERYILMAZ
Yüksek Lisans
Türkçe
2022
EnerjiDicle ÜniversitesiYenilenebilir Enerji Kaynakları
DOÇ. DR. FATİH KOÇYİĞİT
DR. ÖĞR. ÜYESİ HEYBET KILIÇ