Improving wind power forecasts: Integrating adaptive histogram of oriented gradients and multiple numerical weather predictions
Rüzgar gücü tahminlerini iyileştirme: Yönlü gradyanların uyarlanabilir histogramı ile çoklu sayısal hava tahminlerinin entegrasyonu
- Tez No: 832211
- Danışmanlar: DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Bu araştırmada, rüzgar enerjisi tahmini amacıyla grid tabanlı Sayısal Hava Tahmini (NWP) modellerinin alternatif temsilleri önerilmiştir. Rüzgar hızı, enerji üretimi için ana etkendir. Bununla birlikte, rüzgar yönü, rüzgarın dinamik yapısından kaynaklanan doğrusal olmayan etkilere de sahiptir. Geleneksel gösterimlerle rüzgar yönünün sürekli ve döngüsel davranışı öğrenme modelleri tarafından kavranmaz. Bu sorunları ele almak için, NWP modelleri üzerinde Yönlü Gradyanların Histogramı (HOG) tabanlı Standart ve Uyarlanabilir yöntemler önerilmiştir. Kırk yedi rüzgar santrali üzerinde yapılan deneyler, Standart HOG dönüşümünün farklı konumlardan çoklu NWP modellerinin özniteliklerine entegrasyonunun lineer öğrenme modellerinde üstün performans sağladığını göstermektedir. Buna ek olarak, ağaç tabanlı topluluk öğrenme yöntemlerine dayalı Uyarlanabilir HOG dönüşümü önerilmiştir. Birleştirilmiş dönüşümlerdeki deneylerin sonuçlarına göre, lineer öğrenme yöntemleri, özniteliklerle rüzgar gücü tahmininde ağaç tabanlı öğrenme modellerine göre önemli ölçüde iyi performans göstermektedir. Bu sonuç, rüzgar yönünün döngüselliğinden kaynaklanan doğrusal olmamanın, lineer öğrenme methotlarına uygun bir şekilde temsil edildiğini göstermektedir.
Özet (Çeviri)
In this research, alternative representations of the grid based Numerical Weather Prediction (NWP) models are proposed for wind power forecasting purposes. Wind speed is the major indicator for the power generation. However, wind direction has nonlinear effects coming from the wind's dynamic nature. With the traditional repre- sentations, the continuous and cyclic behavior of the wind direction is not perceived by the learners. To address these problems, Standard and Supervised transformation methods based on the Histogram of Oriented Gradients (HOG) of the NWP models are proposed. Our experiments on forty-seven wind farms show that the Standard HOG transformation on the naive features of multiple NWP models from distinct locations provides superior performance in linear learners. Additionally, Supervised HOG trans- formation is proposed with the utilization of tree based clustering methods. According to the results of the experiments with combined representations, linear learning meth- ods outperform the tree based learners in wind power forecasting. This result indicates that the nonlinearity deriving from the wind direction's circular behavior is represented in as suitable form for the linear learners.
Benzer Tezler
- 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
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Gemi sefer yönetiminde enerji verimliliğinin optimizasyonu
The optimization of ship voyage management energy efficiency
ELİF BAL BEŞİKÇİ
Doktora
Türkçe
2015
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZCAN ARSLAN
- Random forest yöntemi kullanarak polimer elektrolit membran (PEM) yakıt hücrelerinin ömrünün belirlenmesi
Determining life span in polymer electrolyte membrane (PEM) fuel cell using random forest method
HAVVA NUR SAĞDIÇ
Yüksek Lisans
Türkçe
2024
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HANZADE AÇMA
PROF. DR. SERDAR YAMAN
DOÇ. DR. HALİT EREN FİGEN
- Data mining-based power generation forecast at wind power plants
Rüzgâr enerji santrallerinde veri madenciliği tabanlı güç üretim tahmini
MEHMET BARIŞ ÖZKAN
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. PINAR ŞENKUL
- Gün öncesi elektrik piyasası için kısa dönemli rüzgar gücü üretim tahmin yöntemi
Short-term wind power generation forecasting method for day-ahead electricity market
EZGİ ARSLAN TUNCAR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAFAK SAĞLAM
PROF. DR. BÜLENT ORAL