Geri Dön

Rüzgar güç yoğunluğunun yapay sinir ağı ile tahmini

Estimation of wind power density with artificial neural network

PDF İndir

  1. Tez No: 449200
  2. Yazar: MUHAMMED YUSUF AKTAÇ
  3. Danışmanlar: DOÇ. DR. MEHMET ŞAHİN, DOÇ. DR. RIDVAN SARAÇOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
  6. Anahtar Kelimeler: Alternatif enerji kaynakları, rüzgâr güç yoğunluğu, rüzgâr hızı, yapay sinir ağları, Alternative energy sources, wind power density, wind speed, artificial neural networks
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Siirt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Sanayi ve teknoloji her geçen gün hızla gelişmektedir. Sanayi ve teknoloji gelişimlerini sürdürmek için enerjiye ihtiyaç duymaktadır. Enerji ihtiyacı çoğunlukla fosil yakıtlardan sağlanmaktadır. Ne yazık ki bunların rezervleri gün geçtikçe azalmaktadır. Bu nedenle, enerji ihtiyacının karşılanabilmesi için alternatif enerji kaynaklarının kullanılmasına ihtiyaç duyulmaktadır. Alternatif enerji kaynakları; güneş, rüzgâr, dalga, biyokütle, jeotermal ve hidroelektrik enerjisi olarak sıralanabilir. Ülkemiz, rüzgâr enerjisi bakımından önemli bir potansiyele sahiptir. Rüzgâr potansiyelini belirlemek için rüzgâr güç yoğunluğunun tahmin edilmesi gereklidir. Bu çalışmada, rüzgâr güç yoğunluğu yapay sinir ağı (YSA) metodu kullanılarak tahmin edilmiştir. Kırk meteorolojik istasyon YSA' nın eğitimi için kullanılırken, on sekiz meteorolojik istasyon eğitilmiş ağı test etmek için kullanılmıştır. Ağ sırasıyla trainlm, trainbfg, trainscg, traincgp traincgb, traincgf ve trainoss öğrenme algoritmalarına göre eğitilmiştir. Geliştirilen en iyi modelin korelasyon katsayısı (R) ve ortalama sapma hatası (MBE) sırasıyla 0,9767 ve -0,3124 W/m^2 olarak hesaplanırken, kök ortalama kare hatası (RMSE) 1,4786 W/m^2 olarak hesaplanmıştır. Elde edilen sonuçlar, geliştirilen modelin rüzgâr güç yoğunluğu tahmin etmek için kullanılabileceğini göstermektedir.

Özet (Çeviri)

Industry and technology are rapidly developing with each passing day. They need energy to sustain this evolution. The demand of energy is mainly provided from fossil fuels. Unfortunately, this kind of energy reserves are consumed away day by day. Therefore, there is a need to use alternative energy sources to supply energy needs. Alternative energy sources can be listed as; solar, wind, wave, biomass, geothermal and hydro-electric power. Our country has significant potential for wind energy. Wind power density estimation is required to determine the wind potential. In this study, the wind power density was estimated by using artificial neural network (ANN) method. Forty meteorological station were used for ANN training, while eighteen meteorological stations were used to test the trained network. Network has trained according to, respectively; trainlm, trainbfg, trainscg, traincgp traincgb, traincgf ve trainoss learning algorithms. The correlation coefficient (R) and Mean bias error (MBE) of the best developed model were calculated as 0,9767 and -0,3124 W/m^2 respectively. Root Mean Square Error (RMSE) was calculated as 1,4786 W/m^2. In conclusion, the obtained results demonstrate that the developed model can be used to estimate the wind power density.

Benzer Tezler

  1. Tez No

    688423

    Deep learning for wind energy systems using the hurst exponent and statistical parameters

    Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme

    BEHNAZ ALAFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  2. Tez No

    512403

    Hatay bölgesi rüzgar enerjisi potansiyelinin olasılık dağılımları ve yapay sinir ağları ile modellenmesi

    Modeling wind energy potential of Hatay region using probability distributions and artificial neural networks

    İLKER MERT

    Doktora

    Türkçe

    Türkçe

    2018

    Makine Mühendisliğiİskenderun Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CUMA KARAKUŞ

  3. Tez No

    746666

    Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms

    Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak

    CEM ÖZEN

    Doktora

    İngilizce

    İngilizce

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ DENİZ

  4. Tez No

    439507

    Türkiye üzerinde 21. yüzyılda rüzgar hızı ve rüzgar enerjisi potansiyelinin incelenmesi ve wasp modeli ile seçili bölge için sonuçların değerlendirilmesi

    Assesment of wind energy potential over Turkey in the 21st century by using regional climate model coupled with micro scale model

    ERKAN YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. YURDANUR ÜNAL

    PROF. DR. ŞÜKRAN SİBEL MENTEŞ

    PROF. DR. ZAFER ASLAN

  5. Tez No

    559447

    Türkiye'de elektrik santralleri ve rüzgar enerjisi: Üretim ve arazi kullanımı ilişkilendirmesi

    Examination of power plants & wind energy in Turkey: Relationship between electricity production & land use

    MERT ANAMERİÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

Geri Dön