Aggregation strategies for grid-based numerical weather predictions (NWP) to improve power curve models with meta-learning extension
Meta-öğrenme uzantısı ile rüzgar güç eğrisi modellerini geliştirmek için sayısal hava tahminlerini (NWP) birleştirme stratejileri
- Tez No: 691865
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Bu çalışmanın ilk bölümünde, Sayısal Hava Tahmini (NWP) modellerinden grid tabanlı hava tahminlerini kullanarak rüzgar güç eğrisini tahmin etmek için alternatif stratejiler önerilmiştir. Güçlü sonuçlar sağladığı bilinen Weibull Kümülatif Dağılım Fonksiyon ve 5 Parametreli Lojistik Fonksiyonu gibi geleneksel güç eğrisi tahminleme modelleri tek bir konumdan hız bilgisini kullanır. Öte yandan, kısa vadeli güç tahminlemede çoklu grid noktalarından tahminler kullanmak NWP tahminlerini gerçek hız değerlerine eşlemede ek zorluklar getirmektedir. Bunları çözmek için, NWP tahminlerini birleştirip rüzgar gücünü doğrudan tahminleyen basit bir optimizasyon çerçevesi önerilmiştir. Rüzgar yönünün döngüsel yapısıyla alakalı problemler nedeniyle, genelleştirilmiş eklemeli modellere dayanan alternatif birleştirme stratejileri de öneriyoruz. Altı santral üzerinde yapılan deneyler hedef üzerinde Yarı-binom dağılımı varsayımıyla yapılan parametre tahmininin güç eğrisi tahminleme yaklaşımlarında kullanılan popüler Gauss olabilirlik varsayımına kıyasla daha iyi performans sağladığını göstermektedir. İkinci bölümde ise dinamik model sıralama mekanizmasına sahip alternatif meta-öğrenme yaklaşımları uygulanmaktadır. Karar ağaçları ve ağaç tabanlı topluluk öğrenme modelleri kullanılarak en çok kullanılan noktasal, ikili ve listesel sıralama yaklaşımlarından faydalanılmıştır. Bu modeller ilk aşamadaki model havuzu üzerinde test edilmiştir. Deneyler ikili ve listesel yaklaşımların hem noktasal yaklaşımı hem de modellerin bireysel performanslarını iyileştirdiğini göstermektedir.
Özet (Çeviri)
In the first part of this thesis, alternative strategies to estimate the wind power curve by utilizing grid-based weather forecasts from Numerical Weather Prediction (NWP) models are proposed. Traditional power curve estimation such as Weibull Cumulative Distribution Function and Five Parameters Logistic Function uses actual wind speed information at a single location, and they are known to provide strong results. On the other hand, forecasts from multiple grid locations are used in a short-term wind power forecasting scenario which brings additional difficulties in mapping NWP model forecasts to actual speed values. In order to resolve these, we propose a simple optimization framework which aggregates grid-based NWP predictions to estimate the power curve directly. Due to the problems with the cyclic nature of the direction, we propose alternative aggregation strategies based on generalized additive models. Our experiments on six wind farms show that parameter estimation with Quasi-binomial distribution assumption on the response provides superior performance compared to popular Gaussian likelihood assumption used in the power curve estimation approaches. In the second part, meta-learning approaches with a dynamic model ranking mechanism is applied. Three mostly used pointwise, pairwise and listwise ranking approaches are utilized with decision trees and tree-based ensembles as learners. Our experiments on the base-level model pool show that pairwise and listwise approaches improve the performance of both pointwise approach and the individual models.
Benzer Tezler
- Elektrikli araç şarj yüklerinin raslantısal benzetimi ve alçak gerilim dağıtım şebekesine etkisi
Stochastic modelling of electric vehicle charging load and its impacts on low voltage distribution networks
ÖNDER POLAT
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL
- Using machine learning in smart grid to predict load consumption: The use of time series analysis
Başlık çevirisi yok
ŞAFAK ALMUSTAFA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. OKAN ÖZGÖNENEL
DR. ÖĞR. ÜYESİ NUR SARMA
- Performance improvement strategies for 802.11 network
802.11 ağlar icin başarım arttırım yöntemleri
KIVANÇ ÇAKMAK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÖZER ERCAN
- Pre-concentration strategies for microalgae harvesting as biorefinery process chain
Başlık çevirisi yok
SEMA ŞİRİN
Doktora
İngilizce
2013
Kimya MühendisliğiUniversitat Rovira i VirgiliKimya Mühendisliği Ana Bilim Dalı
DR. JOAN SALVADO ROVIRA
- Structural and thermodynamic analyses of peptide-based nanomaterials via molecular dynamics simulations
Peptit bazlı nanomalzemelerin moleküler dinamik simulasyonlar aracılığı ile yapısal ve termodinamik özelliklerinin analizi
ÖZGE ŞENSOY
Doktora
İngilizce
2011
BiyofizikKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET SAYAR