Geri Dön

Makine öğrenmesi algoritmaları kullanarak atık sudan elektrik enerjisi tahmini

Prediction of electrical energy from wastewater using machine learning algorithms

PDF İndir

  1. Tez No: 800845
  2. Yazar: EKREM YÜCE
  3. Danışmanlar: DOÇ. DR. ALPER KEREM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Enerji, Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Energy, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Biyogaz, Enerji geri kazanımı, Evsel atık su, Makine öğrenmesi, Parametre tahmini, Yenilenebilir enerji, Biogas, Energy recovery, Domestic sewage, Machine learning, Parameter estimation, Renewable energy
  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: Belirtilmemiş.

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. Tez No

    966264

    Pekiştirmeli öğrenme ve karar ağacı ile bitki tabanlı mikrobiyal yakıt hücresinin optimum performansına götüren yolların tespiti

    Routes to optimal conditions in plant-based microbial fuel cells using reinforcement learning and decision trees

    TUĞBA GÜRBÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Kimya MühendisliğiGazi Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. NİYAZİ ALPER TAPAN

  2. Tez No

    1000409

    Automated plastic waste detection and visualization in coastal areas using UAVs and deep learning

    İnsansız hava araçları ve derin öğrenme kullanılarak kıyı bölgelerinde otomatik plastik atık tespiti ve görselleştirilmesi

    HESAM HATAMZADEH KHANGHAHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. ŞULE ITIR SATOĞLU

  3. Tez No

    809028

    Çevre kirletici maddelerin makine öğrenmesi kullanılarak ayırt edilmesi

    Discrimination of environmental contaminants using machine learning

    MEHMET AKİF ARVAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiTekirdağ Namık Kemal Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAFET AKDENİZ

  4. Tez No

    887188

    Erzurum kenti evsel atıksu arıtma tesisindeki anaerobik proseslerin makine öğrenmesi algoritmaları ve GPS-X paket programı kullanılarak modellenmesi

    Modeling of anaerobic processes in Erzurum city domestic wastewater treatment plant using machine learning algorithms and GPS-X software

    İSHAK ÇEVRİM

    Doktora

    Türkçe

    Türkçe

    2024

    Çevre MühendisliğiAtatürk Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. YALÇIN KEMAL BAYHAN

  5. Tez No

    775403

    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

Geri Dön