Geri Dön

Rüzgar hızı serilerinde doğrusal interpolasyon ve ARIMA modelleriyle eksik veri tamirinin enerji hesabına etkileri

Effects of missing data imputation by lineer interpolation and ARIMA models on energy calculation in wind speed series

  1. Tez No: 511596
  2. Yazar: ORHAN FERAH
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BURAK BARUTÇU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Enerji, Science and Technology, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Enerji Enstitüsü
  11. Ana Bilim Dalı: Enerji Bilim ve Teknoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Rüzgar santralleri işin doğası gereği zorlu meteorolojik şartların hakim olduğu bölgelerde kurulmak istenir. Bu sayede yüksek rüzgar hızı olan bölgeden yüksek elektrik enerjisi üretimi sağlanabilir. Bu ilk bakışta bir avantaj olarak görülse de ölçüm sırasında şartların zorluğu sebebiyle kayıplar yaşanabilir. Ölçümlerde karşılaşılan kayıpları ortadan kaldırmak için farklı yöntemler kullanımaktadır. Bölgenin yakınlarında meteoroloji istasyonu var ise buradaki verilerden yaralanılarak kayıp veriler yerine tahminlerde bulunulabilir. Bu tahminleri yapabilmek için sektörde yaygın bir şekilde kullanılan simulasyon programları bulunmaktadır. Tez kapsamında ölçüm sırasında karşılaşılması muhtemel olan veri kayıplarını matematiksel yöntemler kullanarak tamir edilerek ve yeni elde edilen veriler ile kurulumu yapılacak bir türbin tarafından bölgede üretilecek elektrik enerjisi hesaplanmıştır. Kayıp veri tamiri için Zonguldak Devrek ilçesinde ölçülmüş ve kayıt altına alınmış olan rüzgar verilerinin izin verilen sınır olan %20'si silinerek bu eksik veriler üzerinde çalışılmıştır. Bu sayede elimizde halihazırda bulunan gerçek rüzgar şiddeti verileri ile tahminleri içeren rüzgar şiddeti verileri karşılaştırılabilmiştir. Tahmin için ihtiyacımız olan eksik verileri içeren rüzgar şiddeti verisini elde etmek için ilk olarak gerçek ölçümler içinden rastlantısal olarak dağılmış şekilde silinmiştir. İkinci aşamada ise eksik verilerin dönemsel olarak veri içerisinde dağılmış olduğu durum elde edilecek şekilde silinmiştir. Farklı şekillerde eksik verileri içerecek şekilde hazırlanmış iki farklı rüzgar şiddeti kayıdı eksik verilerin önce doğrusal olarak değiştiği varsayılarak ardından da ARIMA (otoregresif tümleşik hareketli ortalamalar modeli) modeli kullanarak tamamlanmıştır. Tamamlanan yeni rüzgar şiddeti verileri ile güç hesabı yapılarak bulunan sonuçlar hem gerçek değerler hem de birbirleri arasında karşılaştırılma yapılarak rüzgar ölçümlerinde matematiksel yöntemlerin kullanılarak eksik verilerin tamamlanmasının gerçeğe yakın sonuçlar verip vermediği araştırılmıştır.

Özet (Çeviri)

Wind farms as a nature of the bussines are located in areas where there are tough air conditions to gather high power outputs with use of high wind speeds. It can be seen as an advantage but in measurement phase there might be data losts because of the tough air conditions. It is possible to use different methods in order to eliminate data losses in measurement logs. In this thesis recovery of lost data in wind speed measurements with use of mathematical prediction methods and calculation of power output with the new data which includes predicted values examined. Actual wind speed measurements of Zonguldak Devrek Meteorology station is used for the study. To create a data log which includes lost data in it, 20% of the real data, which is the maximum amount allowed to be lost deleted in the real measurements. To have a data log with lost datas in it, first randomly distrubuted datas deleted from the original measurement. For the second study bigger data blocks deleted to simulate periodic lost datas. For two different logs with lost datas, there had been two different calculations. First lost datas calculated as they change linearly. Second lost datas calculated with help of ARIMA method. Power outputs of a selected wind turbine for the area recalculated for each cases. In the end all four power output calculations compared to each other and power output for the original measurement to see if they similiar with the original result.

Benzer Tezler

  1. Makine öğrenimi ile güneş enerjisi santrali üretim tahmini

    Solar power plant production forecast with machine learning

    MUHAMMED HALEF

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EnerjiErciyes Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SALTUK BUĞRA SELÇUKLU

  2. Particulate matter 2.5 – PM2.5 mapping using MODIS satellite data and multivariate non-linear regression analysis over Marmara Region – Turkey

    MODIS uydu verileri ve çok değişkenli doğrusal olmayan regresyon analizi ile partiküler madde 2.5-PM2.5 haritasının Marmara Bölgesi-Türkiye için üretilmesi

    MIDYAN ALDABASH

    Doktora

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİLİZ BEKTAŞ BALÇIK

  3. 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

  4. Rüzgar hız ve enerji verilerinin tahmini için kaotik yaklaşımla birlikte destek vektör regresyonunun kullanımı

    The use of support vector regression in conjunction with the chaotic approach for the forecasting of wind speed and energy data

    ELİF BEYZA ÇATALBAŞ ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. KASIM KOÇAK

  5. Fotovoltaik sistemin güç üretiminin derin öğrenme modelleri ile tahmini

    Prediction of power generation of the photovoltaic system with deep learning models

    EMRE BİÇEK

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. HALİT ERAY ÇELİK