Makine öğrenme algoritmaları kullanarak rüzgar hızı tahmininde meteorolojik parametrelerin etkisinin incelenmesi
The effect of meteorological parameters in wind speed estimation using machine learning algorithms
- Tez No: 496581
- Danışmanlar: YRD. DOÇ. DR. CEM EMEKSİZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Gaziosmanpaşa Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 116
Özet
Rüzgar enerjisi yenilenebilir enerji kaynakları arasında en yaygın olarak kullanılan ve bu bağlamda büyük yatırımlar yapılan bir enerji türüdür. Rüzgar enerjisi için yapılacak yatırımlardan önce kurulacak bölge için fizibilite çalışması yapılmalıdır. Bu çalışmaların başında bölgenin meteorolojik parametrelerine göre rüzgar debisinin belirlenmesi gelmektedir. Bu parametrelere ait veriler kurulan ölçüm istasyonları ile toplanmakta ve veri madenciliği yöntemleri kullanarak işlenmektedir. Bu yöntemler sayesinde büyük miktardaki verilerden anlamlı sonuçlar üretilmekte ve faydalı modellerde kullanılabilir hale getirilmektedir. Bu çalışmada WEKA veri madenciliği yazılımı kullanılmıştır. Veriler, veri ön işleme süreçlerinden geçirilerek veri madenciliği uygulaması için kullanılabilecek şekilde düzenlenmiştir. Çalışmada kullanılan meteorolojik parametreler Gaziosmanpaşa Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi yerleşkesinde kurulan rüzgar ölçüm istasyonundan elde edilmiştir. Bu istasyonda kullanılan sensörler aracılığı ile ölçülen rüzgar hızı, sıcaklık, basınç ve nem verileri 10'ar dakika ara ile toplanmış olup bir yıllık veriler üzerinde çalışma yapılmıştır. Birçok çevre faktörlerinden etkilenen rüzgar hızının tek bir parametre veya tek bir modelle tahminlenmesi doğru sonuçlar üretmeyebilir. Bu amaçla giriş parametreleri 7 ayrı kombinasyonla WEKA yazılımında 12 ayrı algoritma ile çalıştırılmıştır. Ortalama karekök hataları ve korelasyon katsayıları değerlendirildiğinde Bagging sınıflandırma algoritmasının geçerliliğinin en yüksek olduğu tespit edilmiştir. Sıcaklık-nem-basınç değerlerinin birlikte girdi olarak kullanıldığı modelin en iyi sonucu verdiği görülmüştür.
Özet (Çeviri)
Wind energy is the most used energy resource among the renewable energies, thereby is the most invested one. The feasibility study must be carried out for the region aimed to build the facility before the investments planned for wind energy. Of the studies to be done, determining the wind flow according to the meteorological parameters is the first task. The data of these parameters can be gathered through measurement stations and are analysed by using knowledge discovery in databases. Thanks to these methods, the meaningful results can be achieved from the big data and can be transformed to be used in beneficial models. In this study, WEKA database programme was used. The data was designed in order to be used in knowledge discovery by pre-evaluation processes. The meteorological parameters used in the study were obtained from the wind measurement station build in the campus of Engineering and Nature Science Faculty in Gaziosmanpaşa University. The wind speed, temperature, pressure and humidity were measured in the 10 minutes intervals via cencors used in this station and one-year data was included in the analysis. Predicting the wind speed that is affected by many environmental factors by means of a parameter or a model may not generate the right results. For this purpose, the first parameters were utilized with 12 different algorithms wity 7 different combinations. When the root mean squares and correlation coefficients are evaluated, the Bagging classifying algorithm was determined as the most acceptable one. It was found out that the model in which temperature-humidity-pressure values are used as the entries generated the best result.
Benzer Tezler
- 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
- 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
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Makine öğrenimi algoritmaları kullanılarak Erzurum ili için kirletici madde tahmini
Pollutant prediction for Erzurum province using machine learning algorithms
CEVAHİR DURAK
Yüksek Lisans
Türkçe
2024
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Wind energy forecasting methods: A case study of the long short term memory model (LSTM)
Rüzgar enerjı̇sı̇ tahminı̇ yöntemleri: Uzun kısa sürelı̇ bellek modeli (LSTM) örneği
ALI ABDULRAHMAN HUSSEIN SALIHI
Yüksek Lisans
İngilizce
2024
EnerjiKırşehir Ahi Evran ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERDİN DANIŞMAZ
- Uzaktan algılama sistemleri ile yangına hassas bölgelerin tahmin edilmesi
Forecasting fire prone regions utilizing remote sensing systems
SEMANUR ÇÖKEKOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH AHMET ŞENEL