Geri Dön

Rüzgâr hızının kısa dönem tahmini için aşırı öğrenme makinesi ve dalgacık paket dönüşümü tabanlı melez bir metodun geliştirilmesi

Developing a hybrid method based on extreme learning machine and wavelet package transform for short-term wind speed forecasting

PDF İndir

  1. Tez No: 828798
  2. Yazar: BİLAL UYSAL
  3. Danışmanlar: DOÇ. DR. HAKAN AÇIKGÖZ, DR. ÖĞR. ÜYESİ CEYHUN YILDIZ
  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: Gaziantep İslam Bilim ve Teknoloji Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Rüzgâr enerjisi değişken bir karakteristiğe sahiptir ve elektrik şebekelerindeki arz-talep dengesini bozmaktadır. Bu bozucu etkinin ortadan kaldırılabilmesi için rüzgâr enerjisi tahminlerine ihtiyaç duyulmaktadır. Rüzgâr enerjisi ile rüzgâr hızı arasındaki kübik ilişki sebebiyle rüzgâr enerjisi tahmini sürecinde rüzgâr hızı tahminleri önemli bir rol oynamaktadır. Bu tez çalışmasında, rüzgâr hızı tahmini için dalgacık paket dönüşümü (DPD) yöntemini ve aşırı öğrenme makinelerini (AÖM) birleştiren melez bir metot önerilmiştir. Önerilen metot sürecinde öncelikle DPD kullanılarak rüzgâr hızı bileşenlerine ayrılmış ve her bileşenin tahmini için AÖM temelli bir model geliştirilmiştir. Son aşamada elde edilen hız bileşeni tahminleri cebirsel toplanarak rüzgâr hızı tahminine dönüştürülmüştür. Tez çalışmasındaki uygulamalar Osmaniye ilinden alınan saha ölçümleri kullanılarak gerçekleştirilmiştir. Geliştirilen rüzgar hızı tahmin modeli; korelasyon katsayı (R), kök ortalama kare hata (RMSE) ve ortalama mutlak hata (MAE) performans metrikleri kullanılarak değerlendirilmiştir. Tez çalışmasındaki performans testlerinde, önerilen rüzgâr hızı tahmin metodunun 1 saatlik tahmin ufkunda sırasıyla 0,0218, 0,0155 ve 0,9901; RMSE, MAE ve R performans metrik değerlerini yakalayabildiği tespit edilmiştir. Tez çalışmasından elde edilen bulgular ışığında önerilen metodun oldukça yüksek kalitede rüzgâr hızı tahmini yapabildiği ve rüzgâr enerjisi tahmini sürecinde başarıyla kullanılabileceği sonucuna varılmıştır.

Özet (Çeviri)

Wind energy has a variable characteristic and disrupts the supply-demand balance in electrical grids. Wind energy forecasts are needed to mitigate this disruptive effect. Due to the cubic relationship between wind energy and wind speed, wind speed forecasts play a crucial role in wind energy forecasting process. In this thesis study, a hybrid method that combines the wavelet packet transform (WPT) and extreme learning machines (ELM) is proposed for wind speed forecasting. In the proposed method, the wind speed is decomposed into components using WPT, and an ELM-based model is developed for forecasting each component. Finally, the forecasted speed components are algebraically summed to obtain the wind speed forecast. The experimental studies of this thesis were conducted using field measurements taken from the province of Osmaniye. The developed wind speed forecasting model was evaluated using performance metrics such as correlation coefficient (R), root mean square error (RMSE), and mean absolute error (MAE). The performance tests realized in this thesis study revealed that the proposed wind speed forecasting method achieved the values of 0.0218, 0.0155, and 0.9901 for RMSE, MAE, and R performance metrics, respectively, at a 1-hour forecasting horizon. Based on the findings of the thesis, it can be concluded that the proposed method can forecast wind speeds with high quality and can be successfully utilized in the process of wind energy forecasting.

Benzer Tezler

  1. Tez No

    142597

    Yeni Cami'nin akustik açıdan performans değerlendirmesi

    Evaluation of the acoustical performance of the New Mosque

    EVREN YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. SEVTAP YILMAZ DEMİRKALE

  2. Tez No

    853920

    Derin öğrenme yöntemi ile Bingöl ilinin rüzgar hızı tahmini

    Wind speed estimation of Bingöl province using deep learning method

    KADER OZAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EnerjiBingöl Üniversitesi

    Yenilenebilir Enerji Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DURSUN ÖZTÜRK

  3. Tez No

    778576

    Short-term wind speed and power forecasting: A comprehensive case study for three operational wind farms

    Kısa dönem rüzgâr hızı ve güç tahmini: Üç operasyonel rüzgâr tarlası için kapsamlı bir vaka çalışması

    İREM SELEN YOLDAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Enerjiİzmir Yüksek Teknoloji Enstitüsü

    Enerji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERHAT BİNGÖL

  4. Tez No

    541592

    Short-term forecasting of wind power production using machine learning and deep learning methods

    Makine öğrenmesi ve derin öğrenme yöntemiyle kısa dönem rüzgar gücü üretim tahmini

    FEYRUZ AKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER USTA

  5. Tez No

    899175

    Akıllı şebekelerde makine öğrenmesi teknikleriyle kısa dönem rüzgâr hızı tahmini: Kocaeli-Türkiye örneği

    Short–term wind speed forecasting in smart grids with machine learning techniques: A case study in Kocaeli-Türkiye

    MAYSA GAIDOUM AHMED GAIDOUM

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. YILMAZ UYAROĞLU

Geri Dön