Makine öğrenmesi yöntemleri ile kısa süreli rüzgâr enerjisi tahmini
Short-term wind energy forecasting with machine learning methods
- Tez No: 846311
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNER BARUT
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Günümüz dünyasında nüfus artışı, gelişen teknoloji ve artan endüstriyel üretim temiz enerji kaynaklarından üretilebilen elektrik enerjisine olan talebi her geçen gün artırmaktadır. Ülkelerin ekonomik bağımsızlığının en temel göstergelerinden biri olan enerji bağımsızlığı artık ülkeler için bir ulusal güvenlik sorunu haline gelmiştir. Ayrıca en sürdürülebilir enerji kaynağı olan elektrik enerjisine yapılan yatırımlar tüm dünyada hızla artmaktadır. Elektrik enerjisi üretiminde artan talebe rağmen, elektrik üretiminde kullanılan fosil yakıtlı ürünlerin hava kirliliğine ve önlenemez iklim değişikliklerine neden olması nedeniyle tüm dünyada yenilenebilir temiz enerjiye olan talep hızla artmaktadır. Bu nedenle tüm dünyada yenilenebilir enerji kaynaklarından maksimum verim alabilmek için yenilenebilir enerji kaynakları ve elektrik üretim tahminleri üzerine birçok akademik çalışma yapılmaktadır. Bu çalışmada rüzgâr santrallerinde üretilen elektrik enerjisinin tahmini için literatürde en yüksek performansa sahip olan yapay zekâ modelleri yeni, gerçek ve güncel bir veri seti üzerinde uygulanarak yüksek başarıma sahip sonuçlar elde edilmiştir.
Özet (Çeviri)
In today's world, population growth, developing technology and increasing industrial production increase the demand for electrical energy that can be produced from clean energy sources day by day. Energy independence, which is one of the most basic indicators of the economic independence of countries, has now become a national security problem for countries. In addition, investments in electrical energy, which is the most sustainable energy source, are increasing rapidly all over the world. Despite the increasing demand in electrical energy production, the demand for renewable clean energy is increasing rapidly all over the world due to the fact that fossil fuel products used in electricity production cause air pollution and unavoidable climate changes. For this reason, many academic studies are carried out on renewable energy sources and electricity production forecasting in order to get maximum efficiency from renewable energy sources all over the world. In this study, high performance results were obtained by applying artificial intelligence models, which have the highest performance in the literature, on a new, real and up-to-date data set for the forecasting of electrical energy produced in wind power plants.
Benzer Tezler
- Sistem tanılama makine öğrenmesi ve derin öğrenme modelleri ile güneş radyasyonu tahmini
Solar radiation forecasting using system identification machine learning and deep learning models
GÖKSEL KADER
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
- 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
- Makine öğrenimi ile güneş enerjisi santrali üretim tahmini
Solar power plant production forecast with machine learning
MUHAMMED HALEF
Yüksek Lisans
Türkçe
2022
EnerjiErciyes ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALTUK BUĞRA SELÇUKLU
- Wind energy forecasting methods: A case study of the long short term memory model (LSTM)
Rüzgar enerjı̇sı̇ tahminı̇ yöntemleri: Uzun kısa sürelı̇ bellek modeli (LSTM) örneği
ALI ABDULRAHMAN HUSSEIN SALIHI
Yüksek Lisans
İngilizce
2024
EnerjiKırşehir Ahi Evran ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERDİN DANIŞMAZ
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR