Olasılıksal programlama ile enerji üretiminin güneş enerji santrallerinde (GES) tahmini
Power generation prediction in solar power plant (SPP) using probabilistic programming
- Tez No: 613857
- Danışmanlar: DOÇ. DR. MEHMET DEMİRTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Dünyada hızlı nüfus artışı ve fosil yakıt kaynakları rezervlerinin azalışı ile birlikte özellikle güneş enerjisi olmak üzere yenilenebilir enerji kaynaklarına olan talep her geçen gün artmaktadır. Artan enerji ihtiyacını yenilenebilir enerji kaynakları ile akıllı bir yapı formunda karşılayabilmek için akıllı şebekeler geliştirilmiştir. Akıllı şebekelerin temel amaçlarından biri, enerji üretim sürecine yenilenebilir enerji kaynaklarının dâhil edilmesi ve kullanımının arttırılmasıdır. Ancak, mevcut elektrik şebekesi sistemlerine kesintili enerji üretimi yapan ve kontrol edilemeyen yenilenebilir enerji kaynaklarının dâhil edilmesi beraberinde çeşitli zorlukları da getirmektedir. Değişken elektrik enerjisi talebinin hangi yenilenebilir kaynak tarafından ne zaman karşılanacağının belirlenmesi için enerji üretiminin önceden tahmin edilmesi bu zorlukların en önemlilerindendir. Bu sebeple bu çalışmada, atmosferik ölçümleri kullanarak santrale özgü ve saat bazlı enerji üretimini tahmin eden bir model geliştirilmiştir. Bu model makine öğrenmesi yaklaşımları ile oluşturulmuş ve enerji üretimi tahmini yapılmıştır. Çoklu doğrusal regresyon, Powell optimizasyonu ve Markov Chain Monte Carlo simülasyonlarına dayanan olasılıklı programlama gibi çeşitli yöntemler kullanılmış ve tahmin yetenekleri birbirleriyle karşılaştırılmıştır. Enerji üretimi analitik yaklaşımla %80 doğrulukla tahmin edilirken, olasılıksal yaklaşımla saat bazlı %95 güven aralığında üst ve alt limitini belirtecek şekilde başarılı tahmin edilmiştir. Bu çalışmada elde edilen sonuçlar makine öğrenmesi ile atmosferik veriler kullanılarak değişken enerji üretiminin önceden tahmin edilebileceğini göstermiştir. Ayrıca tahmin algoritmalarının, yenilenebilir enerji sistemlerinin mevcut şebekeye entegrasyonunu kolaylaştıracağı ve akıllı şebekeyi daha yaygın hale getireceği değerlendirilmektedir.
Özet (Çeviri)
Population growth and energy resource based on fossil fuel depletion increase the demand for renewable energy resources, especially for solar energy in the world. Smart grids have been developed in order to meet the growing energy need in the form of an intelligent structure with renewable energy sources. One key goal of the smart grid initiatives, therefore, increases the ratio of the renewable energy within overall energy power generation. However, the integration of renewable energies into the grid, whose power generation is intermittent and uncontrollable, leads to a number of challenges. It is critical to determine which renewable source will be dispatched to satisfy the variety of customer demands, and predict the energy power in advance. In this study, the energy generation could be modeled based on the weather measurements using the machine learning algorithms and the solar plant oriented power generation could be, thus, predicted hourly. This model was created by machine learning approaches and an energy production estimate was made. A variety of methods such as multiple linear regression, Powell optimization and probabilistic programming based on Markov Chain Monte Carlo simulations were used and their capability of predictions were compared to each other. While energy production is estimated with an accuracy of 80% with an analytical approach, it has been predicted to be successful with a probabilistic approach, indicating the upper and lower limit of 95% confidence interval. These results show that the energy generation could be predictable based on the weather measurements using machine-learning algorithms. In addition, it is considered that estimation algorithms will facilitate the integration of renewable energy systems into the existing grid and make the smart grid more widespread.
Benzer Tezler
- Coordinated transmission expansion planning with wind power generation and FACTS devices
Rüzgâr enerjisi ve FACTS cihazları ile koordineli iletim hattı planlanması
GÜNEŞ BECERİK MİR
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN KARATEPE
- Evaluating the LCA of two buildings with close embodied energy which have different functions
Farklı işlevlere sahip olan iki binanın üç tür duvar kullanarak yaşam döngüsünün değerlendirilmesi
POOYA PAKMEHR
Yüksek Lisans
İngilizce
2014
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. MUSTAFA ERKAN KARAGÜLER
- Substation expansion planning in power networks with renewable energy generation
Yenilenebilir enerji üretimi entegre edilmiş elektrik şebekelerinde trafo merkezlerinin planlanması
KAAN YURTSEVEN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENGİN KARATEPE
- Takım çalışması esaslı demontaj hattı işgören atama ve dengeleme problemi için oyun teorisi odaklı yaklaşımlar
Game theory-oriented approaches for multi-manned disassembly line worker assignment and balancing problem
YILDIZ KÖSE
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ÇEVİKCAN
DR. ÖĞR. ÜYESİ SİNAN ERTEMEL