Geri Dön

Rüzgâr hızındaki doğrusal olmayan dinamikler ile baş edebilen gürbüz tahmin modeli

Robust forecasting model coping with nonlinear dynamics in wind speed

PDF İndir

  1. Tez No: 823440
  2. Yazar: CANER BARIŞ
  3. Danışmanlar: DOÇ. DR. AYTAÇ ALTAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Zonguldak Bülent Ecevit Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Son yıllarda dünya genelinde önemli etkileri gözlenen iklim değişikliği, fosil yakıtların sera etkisini artırmasıyla ortaya çıkan bir sorundur. Bu durum, su kaynaklarının azalması, ekolojik dengenin bozulması ve çölleşme ile kuraklık gibi olumsuz sonuçları beraberinde getireceği öngörülmektedir. Bu sorunun üstesinden gelmek için fosil yakıt tüketiminin azaltılması ve yenilenebilir enerji kaynaklarının kullanılması gerekmektedir. Bu bağlamda, dünyanın dikkatini çeken temiz ve yenilenebilir bir enerji kaynağı olan rüzgâr enerjisi, her geçen gün daha fazla ilgi görmektedir. Ancak, rüzgâr hızının rastgele ve sürekli değişken olması, rüzgâr enerjisinin elektrik şebekesine entegre edilmesini zorlaştırmaktadır. Bu zorlukların üstesinden gelebilmek için rüzgâr hızının güvenilir ve doğru bir şekilde tahmin edilmesi büyük önem taşımaktadır. Bu çalışma, rüzgâr hızının yüksek doğrulukla tahmin edilebilmesi için Ampirik Kip Ayrıştırma (Empirical Mode Decomposition-EMD) ve derin öğrenme tekniklerini içeren bir melez modelde yer alan İçsel Kip Fonksiyon (Intrinsic Mode Function-IMF)'larının rüzgâr hızı tahmin performansı üzerindeki etkisini incelemektedir. Türkiye'de rüzgâr enerji potansiyeli performansı olarak gözde bölgeler arasında bulunan Marmara bölgesinin Bandırma meteoroloji istasyonundan alınan rüzgâr hızı verileri EMD yöntemi ile alt bantlarına ayrıştırılarak 10 adet IMF elde edilmiştir. Sırasıyla her bir IMF'nin gerçek rüzgâr hızını tahmin performansları değerlendirilmiştir. Rüzgâr hızı tahmin performansı en iyi ve en kötü olan alt badlar belirlenmiştir. Derin öğrenme modeline dahil edilmeden her bir alt bandın tahmin performansları hesaplanmıştır. Rüzgâr hızı tahmin performansını arttırmak amaçlı bir diğer sinyal ayrıştırma yöntemi olan Gürbüz Ampirik Kip Ayrıştırma (Robust Empirical Mode Decomposition-REMD) yöntemi kullanılarak yeniden 10 adet alt bant elde edilmiştir. Oluşturulan her bir IMF'nin gerçek rüzgâr hızını tahmin performansına etkisi değerlendirilmiştir. Elde edilen tahmin performanslarının EMD yöntemine göre istatiksel olarak arttığı gözlemlenmiştir. Derin öğrenme modelinin gerçek rüzgâr hızı tahmin modeli üzerindeki başarımının belirlenebilmesi için sırasıyla EMD ve REMD ile elde edilen alt bantlardan oluşan her bir IMF derin öğrenme modeline dahil edilmeden ve dahil edildikten sonraki oluşurulan melez modelin gerçek rüzgâr hızına göre tahmin performansları hata metriklerine göre hesaplanmıştır. Bu çalışmanın odak noktası en iyi rüzgâr hızı tahmin melez modelini oluşturarak minimum kayıplarla rüzgâr enerjisi verimine katkıda bulunmaktır. Bu bağlamda elde edilen melez modellerin hata metriklerine göre performansını iyileştirmek amacıyla optimizasyon yöntemleri uygulanan melez modelin rüzgâr hızı tahmin başarımı yeniden değerlendirilmiştir. Deneysel sonuçlara göre en verimli modelin REMD yöntemi ile alt bantlarına ayrıştırılan veri setinin parametreleri Kaotik Parçacık Sürü Optimizasyonu (Chaotic Particle Swarm Optimization-CPSO) ile kestirilen Uzun Kısa Vadeli Bellek (Long Short Term Memory-LSTM) mimarisine beslenerek oluşturulan melez model olduğu belirlenmiştir. Elde edilen sonuçlar önerilen rüzgâr hızı tahmin modelinin çalışmada bahsedilen modellere kıyasla rüzgâr hızının durağan olmayan, güçlü rastgelelik, kaotiklik, belirsizlik ve oynaklık gibi doğrusal olmayan dinamiklerini başarıyla yakaladığını ve parametre belirsizliği sorununu çözdüğünü göstermiştir.

Özet (Çeviri)

Climate change, whose significant effects have been observed worldwide in recent years, is a problem caused by the increase in the greenhouse effect of fossil fuels. This situation is predicted to bring negative consequences such as the reduction of water resources, deterioration of ecological balance, desertification and drought. To overcome this problem, it is necessary to reduce fossil fuel consumption and use renewable energy sources. In this regard, wind energy, a clean and renewable energy source that attracts the attention of the world, is attracting more and more attention every day. However, the random and continuous variability of wind speed makes it difficult to integrate wind energy into the electricity grid. To deal with these challenges, reliable and accurate estimation of wind speed is of great importance. This study investigates the effect of Intrinsic Mode Function (IMF) on wind speed forecasting performance in a hybrid model that includes Empirical Mode Decomposition (EMD) and deep learning techniques to predict wind speed with high accuracy. Wind speed data from the Bandırma meteorological station of the Marmara region, which is among the favourite regions in Turkey in terms of wind energy potential performance, were decomposed into sub-bands by EMD method and 10 IMFs were obtained. The actual wind speed prediction performances of each IMF were evaluated respectively. The sub-bands with the best and worst wind speed prediction performance were determined. The prediction performances of each sub-band were calculated without being included in the deep learning model. Wind speed data from the Bandırma meteorological station of the Marmara region, which is among the favourite regions in Turkey in terms of wind energy potential performance, were decomposed into sub-bands by EMD method and 10 IMFs were obtained. The actual wind speed prediction performances of each IMF were evaluated respectively. The sub-bands with the best and worst wind speed prediction performance were determined. The prediction performances of each sub-band were calculated without being included in the deep learning model. Robust Empirical Mode Decomposition (REMD) method, which is another signal decomposition method to improve the wind speed prediction performance, was used to obtain 10 sub-bands again. The effect of each IMF on the real wind speed prediction performance was evaluated. It was observed that the obtained prediction performances increased statistically compared to the EMD method. To determine the performance of the deep learning model on the real wind speed prediction model, the prediction performances of each IMF consisting of sub-bands obtained by EMD and REMD without and after inclusion in the deep learning model were calculated according to the error metrics. The focus of this study is to contribute to wind energy efficiency with minimum losses by creating the best wind speed prediction hybrid model. In this respect, in order to improve the performance of the hybrid models according to the error metrics, the wind speed prediction performance of the hybrid model was re-evaluated by applying optimisation methods. According to the experimental results, it is determined that the most efficient model is the hybrid model created by feeding the data set, which is decomposed into sub-bands by REMD method, to the Long Short-Term Memory (LSTM) architecture whose parameters are estimated by Chaotic Particle Swarm Optimisation (CPSO). The results show that the proposed wind speed forecasting model successfully captures the nonlinear dynamics of wind speed such as non-stationarity, strong randomness, chaoticity, uncertainty and volatility and solves the problem of parameter uncertainty compared to the models mentioned in the study.

Benzer Tezler

  1. Tez No

    848274

    MODELLING AND ESTIMATION OF SHIP MOTIONS

    GEMİ HAREKETLERİNİN MODELLENMESİ VE TAHMİNİ

    ALPER ZİHNİOĞLU

    Doktora

    İngilizce

    İngilizce

    2023

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MELEK ERTOGAN

  2. Tez No

    390667

    Airbus 320 tipi yolcu uçağının iniş modelinin elde edilmesi ve gerçek senaryolarla iniş denetleyicileri tasarımı

    Obtaining airbus 320 aircraft's landing model and controller design with real-world scenarios

    ELİF PINAR HACIBEYOĞLU

    Doktora

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET EMİN KUZUCUOĞLU

    PROF. DR. ELBRUS JAFAROV

  3. Tez No

    558900

    Rüzgar hız ve enerji verilerinin tahmini için kaotik yaklaşımla birlikte destek vektör regresyonunun kullanımı

    The use of support vector regression in conjunction with the chaotic approach for the forecasting of wind speed and energy data

    ELİF BEYZA ÇATALBAŞ ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. KASIM KOÇAK

  4. Tez No

    688423

    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

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. Tez No

    693821

    Fuzzy regression analysis and an application

    Bulanık regresyon analizi ve bir uygulama

    SADIK ÖZKAN GÜNDÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri MühendisliğiHacettepe Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZLEM MÜGE TESTİK

Geri Dön