Geri Dön

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

  1. Tez No: 832211
  2. Yazar: İLAYDA ÇELENK
  3. Danışmanlar: DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

  2. Gemi sefer yönetiminde enerji verimliliğinin optimizasyonu

    The optimization of ship voyage management energy efficiency

    ELİF BAL BEŞİKÇİ

    Doktora

    Türkçe

    Türkçe

    2015

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZCAN ARSLAN

  3. 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

    Türkçe

    2024

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. HANZADE AÇMA

    PROF. DR. SERDAR YAMAN

    DOÇ. DR. HALİT EREN FİGEN

  4. Data mining-based power generation forecast at wind power plants

    Rüzgâr enerji santrallerinde veri madenciliği‡ tabanlı güç üretim tahmini

    MEHMET BARIŞ ÖZKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    DOÇ. DR. PINAR ŞENKUL

  5. 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

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAFAK SAĞLAM

    PROF. DR. BÜLENT ORAL