Geri Dön

Improved wind power forecasting using combination methods

Kombinasyon yöntemleri kullanılarak rüzgar gücü tahminlerinin geliş“tirilmesi

  1. Tez No: 416726
  2. Yazar: CEYDA ER KÖKSOY
  3. Danışmanlar: DR. AYŞE NUR BİRTÜRK, DOÇ. DR. PINAR KARAGÖZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. İleri istatistiksel yöntemler kullanarak rüzgârdan üretilen elektriksel gücün tahmini

    Wind-electric power forecast using advanced statistical methods

    SERKAN BUHAN

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIK ÇADIRCI

  2. 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

  3. 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

  4. Atmospheric effects on short term wind power forecasting

    Kısa vadeli rüzgar enerjisi üretim tahminlerinde atmosferik etkiler

    YÜKSEL KALAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Enerjiİzmir Yüksek Teknoloji Enstitüsü

    Enerji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERHAT BİNGÖL

  5. Makine öğrenimi tabanlı fotovoltaik çıkış gücü tahminlemesi

    Machine learning based photovoltaic output power forecasting

    BERRİN ERYILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EnerjiDicle Üniversitesi

    Yenilenebilir Enerji Kaynakları

    DOÇ. DR. FATİH KOÇYİĞİT

    DR. ÖĞR. ÜYESİ HEYBET KILIÇ