Geri Dön

Effects of geothermal production prediction on the energy market with artificial intelligence methods

Jeotermal üretim tahmininin yapay zeka yöntemleri ile enerji piyasası üzerine etkileri

  1. Tez No: 753092
  2. Yazar: HAYRİYE ANIL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖRKEM KAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Enerji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Energy, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 155

Özet

Türkiye, yenilenebilir enerji kaynakları bakımından zengin olmasının yanında, kurulu gücü yüksek, ucuz ve sürdürülebilir olmasıyla jeotermal enerji üretiminde de potansiyel vaat eden ülkelerin başında gelmektedir. Jeotermal üretim santrallerinin, gün öncesi piyasasında verdiği üretim tahminlerinin yeterli olmaması nedeniyle arz ve talep dengesini koruyamadığı için artan dengesizlik cezaları organizasyonlarda ekonomik bir yük haline gelmektedir. Daha iyi bir üretim tahmini, piyasa katılımcılarının dengesizlik cezalarını azaltır ve gün öncesi piyasasında daha iyi bir dengesizlik sağlar. Bu çalışmada, makine öğrenimi, derin öğrenme ve zaman serisi yöntemlerini kullanarak jeotermal açısından kurulu gücü yüksek beş organizasyona ait santrallerin toplam üretimi Mart ve Nisan ayları ilk bir ve iki haftası için tahmin edilmiş daha sonra bu tahminler ile dengesizlik cezaları hesaplanıp, gerçek değerlerle karşılaştırmıştır. Temel hazırlanmış veriseti ile bu verisetinden özellik mühendisliği yöntemi ile yeni özelliklerin çıkartılması ile oluşturulmuş veriseti olmak üzere iki verisetinde de bu modelleme işlemleri gerçekleştirmiştir. Sonuçlara göre geleneksel makine öğrenimi modellerinden Support Vector Regression ve Random Forest, zaman serisi modellerinden SARIMAX ve Prophet, derin öğrenme modellerinden Temporal Convolutional Network modelleri en iyi performansları sergilemişlerdir. Ayrıca feature engineering ile oluşturulmuş verisetindeki tahmin sonuçları temel verisetine göre daha düşük hata oranları sergilemiştir. Beş organizasyon içinde tahminler sonucu elde edilen dengesizlik cezasının gerçekleşen dengesizlik cezasından daha düşük, optimum ve kar edebilecek hesaplar çıkarttığı sonuçlanmıştır.

Özet (Çeviri)

In addition to being rich in renewable energy resources, Turkey is one of the countries that promise potential in geothermal energy production with its high installed power, cheapness, and sustainability. Increasing imbalance penalties become an economic burden for organizations, since the geothermal generation plants cannot maintain the balance of supply and demand due to the inadequacy of the production forecasts given in the day-ahead market. A better production forecast reduces the imbalance penalties of market participants and provides a better imbalance in the day ahead market. In this study, using machine learning, deep learning, and time series methods, the total production of power plants belonging to five organizations with high geothermal installed power was predicted for the first one and two weeks in March and April, then imbalance penalties were calculated with these predictions and compared with actual values. This modeling process was carried out on two datasets, the main dataset and the dataset created by extracting new features from main dataset using feature engineering. According to the results, traditional machine learning models Support Vector Regression and Random Forest, time series models SARIMAX and Prophet, and deep learning models Temporal Convolutional Network model showed the best performances. In addition, the prediction results in the feature engineering dataset showed lower error rates compared to the main dataset. It was concluded that the imbalance penalty obtained as a result of the forecasts within the five organizations resulted in lower, optimum, and profitable calculations than the actual imbalance penalty.

Benzer Tezler

  1. Türkiye'de rüzgar enerjisi santralları için teşvik uygulamaları ve bilgisayar programı ile irdelenmesi

    The analysis of wind energy support mechanisms in Turkey and the evaluation by computer program

    İBRAHİM HALİL KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. ASİYE BERİL TUĞRUL

  2. Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi

    Examination of the effects of distributed generation on smart grids

    MİKAİL PÜRLÜ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. BELGİN TÜRKAY

  3. Kısa süreli rüzgar tahmini için WRF model performansının analizi ve rüzgar gücü uygulamaları

    Analysis of wrf model performance for short-term wind prediction and wind power applications

    NİLCAN AKATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVİNÇ SIRDAŞ