Geri Dön

Makine öğrenmesi algoritmaları kullanarak atık sudan elektrik enerjisi tahmini

Prediction of electrical energy from wastewater using machine learning algorithms

  1. Tez No: 800845
  2. Yazar: EKREM YÜCE
  3. Danışmanlar: DOÇ. DR. ALPER KEREM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Enerji, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

Yenilenebilir enerji kaynakları doğal kaynaklardan sağlanan ve sürdürülebilir olan enerjilerdir. Rüzgâr, güneş ve biyogaz doğal kaynaklardan elde edilen yenilenebilir enerji kaynakları arasındadır. Bu kaynaklar arasında biyogazı önemli bir enerji kaynağı olarak görmek mümkündür. Atıkların hammadde olarak kullanılması ve biyogaz üretimi sonucu elektrik enerjisi üretiminin potansiyeli giderek artmaktadır. Böylece, hem atıkların elektrik enerjisine dönüşümü sağlanırken hem de çevre dostu ve sürdürülebilir bir enerji üretilmektedir. Atık sudan geri kazanım sayesinde üretilecek elektrik enerjisini tahmin etmek oldukça önemlidir ve daha önce çalışılmamıstır. Bu çalışmanın amacı, Kahramanmaraş İleri Biyolojik Atıksu Arıtma Tesisi (KİBAAT) tarafından üretilen arıtma çamurundan anaerobik çürütme ve yakma yoluyla ne kadar elektrik enerjisi geri kazanılabileceğini tahmin etmektir. Bu hedefe ulaşmak için Lineer regresyon (LR), Bayesian ridge regresyon (BR), Extreme gradient boosting (XGB), Gaussian process regresyon (GPR), Ridge regresyon (RR) ve Lasso regresyon (LASReg) dahil olmak üzere altı farklı makine öğrenimi algoritması kullanılmıştır. Ayrıca, bu algoritmaların kullanımını kolaylaştırmak için bir arayüz oluşturulmuştur. Bu çalışmadaki az sayıda girdi parametresi, başka bir yenilikçi özelliktir. Başka bir deyişle, elektrik enerjisini (çıkış parametresi), üç farklı giriş parametresi kullanarak (gaz debisi, iletkenlik ve AKM) tahmin edilmiştir. XGB modeli, 1.032 MAPE değeri ile en başarılı model olarak gösterilmiştir. Parametreler arasındaki ilişki, korelasyon analizi ve ısı haritaları kullanılarak incelenmiştir. Performans sonuçlarını göstermek için çizelgeler ve grafikler kullanılmıştır.

Özet (Çeviri)

Renewable energy sources are energies that are provided from natural sources and are sustainable. Wind, solar and biogas are among the renewable energy sources obtained from natural resources. Among these sources, it is possible to view biogas as a significant energy source. As a result of the use of wastes as raw materials and the production of biogas, the potential of electrical energy production is increasing. Thus, while the wastes are converted into electrical energy, an environmentally friendly and sustainable energy is produced. Estimating the electrical energy that will be produced by recovery from wastewater is very important and has not been studied before. The goal of this study is to forecast how much electrical energy may be recovered from the sewage sludge produced by the Kahramanmaraş Advanced Biological Wastewater Treatment Plant (KABWWTP) through anaerobic digestion and combustion. Six different ML algorithms have been used to achieve this goal, including Linear regression (LR), Bayesian ridge regression (BR), Extreme gradient boosting (XGB), Gaussian process regression (GPR), Ridge regression (RR), and Lasso regression (LASReg). In addition, an interface has been created to facilitate the use of these algorithms. The small number of input parameters in this study is another innovative feature. In other words, just three different input parameters are used to estimate the electrical energy (output parameter) (gas flow, conductivity and AKM). The XGB approach has been shown to be the most successful model, with a MAPE value of 1.032. The link between these characteristics is examined using correlation analysis and heat maps. Tables and graphs are used to display performance outcomes.

Benzer Tezler

  1. Çevre kirletici maddelerin makine öğrenmesi kullanılarak ayırt edilmesi

    Discrimination of environmental contaminants using machine learning

    MEHMET AKİF ARVAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAFET AKDENİZ

  2. Kentsel gelişimin izlenmesi amacıyla optik insansız hava aracı görüntülerinin makine öğrenme algoritmalarıyla sınıflandırılması üzerine araştırma

    Research on the classification of optical unmanned aerial vehicle images using machine learning algorithms for monitoring urban development

    GÖKHAN SAĞLAM

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriZonguldak Bülent Ecevit Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN AKÇIN

  3. Investigation of artificial intelligence-based point cloud semantic segmentation

    Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi

    MUHAMMED ENES ATİK

    Doktora

    İngilizce

    İngilizce

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAİDE DURAN

  4. 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

    Türkçe

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. EMRE ÇEVİKCAN

    DR. ÖĞR. ÜYESİ SİNAN ERTEMEL

  5. Makine öğrenmesi algoritmaları kullanarak web hizmetlerinde XSS saldırı tespiti

    XSS attack detection on web services using machine learning algorithms

    MAHSA KHANOGHLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Fen Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURİ BİNGÖL