Geri Dön

Rüzgar türbin güçlerinin makine öğrenmesi modelleriyle tahmin edilmesi ve santraldaki konumlarının etkisi

Prediction of wind turbine power by machine learning models and the effect of their locations in the wind farm

PDF İndir

  1. Tez No: 776493
  2. Yazar: BUĞRA KAPLAN
  3. Danışmanlar: PROF. DR. NURDİL ESKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Enerji, Makine Mühendisliği, Energy, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Isı-Akışkan Bilim Dalı
  13. Sayfa Sayısı: 213

Özet

Fosil yakıt olarak tanımlanan kömür, petrol, doğalgaz gibi enerji kaynaklarının dünya genelindeki miktarlarının sınırlı olmaları ve günden güne azalmaları, enerji üretimi sırasında sebep oldukları sera gazları nedeniyle çevreye verdikleri zararlar, kaynakların eşit olmayan dağılımları ve bölgesel olaylardan kolayca etkilenip teminlerinin zorlaşmaları gibi nedenlerden dolayı insanlık alternatif enerji kaynakları arayışına girmiştir. Bahsedilen olumsuzlukların önüne geçebilecek yenilenebilir enerji kaynaklarından en büyük yükselişi gösteren rüzgâr enerjisi dünyadaki çoğu ülkede olduğu gibi Türkiye'de de önemli bir büyüme göstermektedir. Bu nedenle rüzgâr enerjisinden elektrik enerjisi eldesi için kullanılan rüzgâr santrallerinin sahip oldukları rüzgâr türbinlerinin santral arazisinde en uygun konumlara yerleştirilmeleri ve rüzgâr türbinlerinin üretebilecekleri rüzgâr güçlerinin kurulum aşaması öncesinde değişen hızlarda tahmin edilmeleri rüzgâr enerjisi uygulamaları için oldukça elzem iki konudur. Bu çalışmada Türkiye'de bulunan ve faal olarak elektrik enerjisi üreten bir rüzgâr santralının rüzgâr türbinlerinin verileri kullanılarak rüzgâr türbinlerinin rüzgâr hızlarına bağlı olarak üretebilecekleri güçler yapay zekâ kuramının bir kolu olan makine öğrenmesi modelleriyle tahmin edilmiştir. Makine öğrenmesi modelleri olarak denetimli öğrenme sınıfının topluluk öğrenmesi modelleri ve bireysel öğrenme modelleri dahil olmak üzere toplamda 5 farklı model üzerinde çalışılmış, hiper parametreleri optimize edilmiş ve tahmin modellerinin başarıları 4 farklı başarı ölçüm metriği kullanılarak karşılaştırılmıştır. Çalışmanın sonucunda, makine öğrenmesinin topluluk öğrenmesi ve bireysel öğrenme sınıflarına mensup modellerin çalışma prensiplerine dayanan ve bu çalışma için geliştirilen karma tahmin modeli, %0.36 gibi düşük bir ortalama hataların karesi değeriyle kullanılan veri setinin %99.49'luk kısmını yüksek doğrulukla temsil etmektedir. Bu çalışmanın ikinci kısmında faal olarak elektrik enerjisi üretimine devam eden bir başka rüzgâr santralının verileri kullanılarak, bahsi geçen rüzgâr santralının yıllık enerji üretimini ve yıllık üretebileceği rüzgâr gücünü arttırmak adına rüzgâr türbinlerinin arazi üzerindeki konumlarını belirleyen bir iyileştirme modeli geliştirilmiştir. Geliştirilen modelde rüzgâr türbinlerinin iz bölgelerini incelemek adına Jensen iz modeline bağlı kalınmıştır. Çalışmanın sonucunda, geliştirilen modelin belirlediği konumlara göre yerleştirilecek rüzgâr türbinleri, verileri kullanılan rüzgâr santralının GWh cinsinden yıllık enerji üretimini %2.1 arttırmaktadır.

Özet (Çeviri)

The amount of energy resources such as coal, oil, and natural gas, which are defined as fossil fuels, is limited and decreasing day by day. They are harmful to the environment due to the greenhouse gases they create during energy production. They are not evenly distributed around the world. They are easily affected by regional events and this makes them difficult to obtain. Due to all these negativities, humanity has sought to find alternative energy sources. Wind energy, which has the most significant rise among the renewable energy sources that can prevent the aforementioned negativities, shows a significant growth in Turkey, as in most countries worldwide. For this reason, the wind turbines of the wind farm used for the generation of electrical energy from wind energy should be placed in the most suitable locations on the land of the wind farm and the prediction of the power the wind turbines can generate under various wind speed conditions before the installation phase are two very essential issues for wind energy applications. In this study, the power that the wind turbines can produce under various wind speed conditions has been estimated by machine learning models, which is a branch of artificial intelligence theory, using the data of the wind turbines of a wind farm in Turkey that produces electricity actively. As machine learning models, a total of 5 different models, including the ensemble learning models and individual learning models of the supervised learning classroom were studied, the hyperparameters were optimized and the success of the prediction models were compared using 4 different success measurement metrics. As a result of the study, the hash prediction model developed for this study, based on the working principles of the models belonging to the ensemble learning and individual learning classes of machine learning, obtained a low mean square error value of 0.36%. With these results, they represent 99.49% of the data set used with high accuracy. In the second part of this study, an improve model was developed that determines the location of the wind turbines on the land in order to increase the annual energy production of the wind farm and the annual wind power it can produce by using the data of another wind farm that continues to produce electricity actively. In the developed improve model, the Jensen wake model was adhered to in order to examine the wake regions of the wind turbines. As a result of the study, the wind turbines to be placed according to the locations determined by the developed model increase the annual energy production of the wind farm whose data is used by 2.1% GWh.

Benzer Tezler

  1. Tez No

    688438

    Makine öğrenmesi yöntemleri kullanılarak kısa dönem rüzgar gücü tahmini

    Short-term wind forecast using machine learning methods

    KÜBRA YAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMRA BORAN

  2. Tez No

    746666

    Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms

    Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak

    CEM ÖZEN

    Doktora

    İngilizce

    İngilizce

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ DENİZ

  3. Tez No

    154663

    Türkiye'deki rüzgar gücü potansiyeline göre türbin güçlerinin saptanması ve tasarımı

    Determining the turbine power and desing according to wind energy potential in Turkey

    BARIŞ SAMSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. METE ŞEN

  4. Tez No

    237156

    İstanbul'da rüzgar santrallerinin uygulanabilirliği ve ekonomikliği

    Feasibility and economy of wind turbines in İstanbul

    MEHMET ERTEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    EnerjiYıldız Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZEHRA YUMURTACI

  5. Tez No

    854284

    Yenilenebilir enerji kaynakları ve elektrikli araçlarınbirbirine bağlı mikro şebekelere etkilerinin olasılıksalgüç akışı ile incelenmesi

    Investigating the impact of electric vehicles andrenewable energy sources on networked microgridsusing probabilistic power flow

    ABDULKERİM İSKENDEROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖMER GÜL

Geri Dön