Makine öğrenmesi algoritmaları ile rüzgar türbinlerinin güç tahmini
Power prediction of wind turbines with machine learning algorithms
- Tez No: 805473
- Danışmanlar: PROF. DR. SELMA GÜRLER
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 80
Özet
Son yıllardaki büyük bir ilgiyle teknik ve endüstriyel gelişmelerin bir sonucu olarak dünya çapında elektrik talebi her geçen gün artmaktadır. Ülkeler elektrik ihtiyaçlarını karşılamak için yenilenebilir enerji kaynaklarını verimli kullanmanın yollarını aramaktadır ve rüzgar enerjisi önemli ve yaygın bir yenilenebilir enerji kaynağıdır. Ayrıca son yıllarda makine öğrenmesi ve uygulamaları da ilgi görmektedir. Bu çalışma, gerçek bir rüzgar santralinden elde edilen geçmiş verileri kullanarak rüzgar gücü tahmini için bazı makine öğrenmesi yöntemlerini uygulamayı ve yenilenebilir enerji sektöründe stratejik kararlar vermeyi amaçlamaktadır. İncelenen bu yöntemler arasında k-en yakın komşuluk regresyonu, destek vektör regresyonu, rassal ormanlar regresyonu, gradyan arttırma makineleri ve aşırı gradyan arttırma makineleri bulunmaktadır. Bu çalışma ile, farklı makine öğrenimi algoritmalarının rüzgar türbinlerinin gerçek dünya verileri üzerindeki başarısı araştırılmış ve rüzgar enerjisi üretim tahmini için nihai modelin seçimi üzerine bu algoritmalar kıyaslanmıştır.
Özet (Çeviri)
The demand for electricity has been rising daily across the globe as a result of the enormous technical and industrial advancements in recent years. Countries have been looking for ways to efficiently use their renewable energy sources to meet their electrical needs, and wind energy is a significant and common renewable energy source. However, machine learning and its applications have more attention in recent years. This study aims to evaluate some machine learning methods for wind power prediction using historical data obtained from a real wind farm and to make strategic decisions in the renewable energy sector. Models that are examined include k-nearest neighbour regression, support vector regression, random forest regression, gradient boosting machines and extreme gradient boosting machines (XGBoost). In this study, the success of different machine learning algorithms on real world data of wind turbines is investigated and these algorithms are compared on the selection of the final model for wind power generation prediction.
Benzer Tezler
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- 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
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Prediction of soil radon gas using meteorological parameters with machine learning algorithms
Makine öğrenmesi algoritmaları ile meteorolojik parametreleri kullanarak toprak radon gazının tahmini
ÇAĞLA ÖZTÜRK ZAN
Yüksek Lisans
İngilizce
2021
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. NESLİHAN DEMİREL