Hibrit güç üretimi tahmininde makine öğrenimi algoritmalarının performans analizi
Performance analysis of machine learning algorithms in hybrid power generation prediction
- Tez No: 850135
- Danışmanlar: PROF. DR. GENCAY SARIIŞIK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Bu tezde, Çanakkale ve Balıkesir illerinin enerji potansiyellerini çözümlemeyi ve yenilenebilir enerji tahmin modellerinin performansını değerlendirmeyi amaçlamaktadır. İlk bölümde, rüzgar ve güneş enerjisi potansiyellerini belirlemek üzere kapsamlı bir analiz sunulmuştur. ANOVA analizi, meteorolojik değişkenlerin enerji üretimi üzerindeki etkilerini değerlendirmek için kullanılmıştır. Rüzgar gücü analizinde, hava yoğunluğu ve rüzgar hızının kritik öneme sahip olduğu belirlenmiş, bu durum rüzgar enerjisi potansiyelinin belirlenmesinde bu faktörlerin önemini vurgulamıştır. Güneş paneli gücü analizinde ise sıcaklık, güneşlenme süresi, radyasyon ve çevre sıcaklığının kritik olduğu tespit edilmiştir. Regresyon analizi, türbin gücü ve güneş paneli gücündeki değişkenliklerin büyük bir kısmının rüzgar hızından kaynaklandığını göstermiştir. İkinci bölümde, önceki analizin sonuçlarına dayanarak, makine öğrenimi modellerinin performansını inceleyen bir değerlendirme yapılmıştır. Gerçek veri ile tahmin edilen değerler arasında yapılan karşılaştırmalar, belirleme katsayısı, ortalama mutlak hata ve kök ortalama karesel hata gibi ölçütlerle gerçekleştirilmiştir. Ayrıca, modelin çıktılarını etkileyen özelliklerin belirlenmesi için özel bir tahmin modeli kullanılmıştır. Üçüncü bölüm, bölgesel etkileri değerlendirmektedir. Çanakkale ve Balıkesir illerindeki rüzgar türbin gücü ve güneş panel gücü için altı farklı tahmin modeli kullanılarak bölgesel performans analizi yapılmıştır. Analiz, her iki il için yüksek belirleme katsayıları elde edildiğini göstermiştir. Sonuç olarak, dördüncü bölümde model performanslarının karşılaştırılması yapılmıştır. XGBoost algoritması, eğitim setinde yüksek doğruluk göstermiş ve test setinde diğer algoritmalarla eşit derecede başarılı olmuştur. Random Forest modeli ise MAE açısından en iyi performansı sergilemiştir. Bu çıkarımsal analiz, Çanakkale ve Balıkesir illerinin enerji potansiyellerini anlamada ve makine öğrenimi modellerinin performansını değerlendirmede önemli bilgiler sunmaktadır. Tez, bölgesel enerji planlamasına katkı sağlayarak yenilenebilir enerji kaynaklarının daha etkin kullanılmasına yönelik pratik uygulamalara ışık tutmaktadır.
Özet (Çeviri)
This thesis aims to analyze the energy potentials of Çanakkale and Balıkesir provinces and evaluate the performance of renewable energy forecasting models. In the first chapter, a comprehensive analysis is presented to determine the wind and solar energy potentials. ANOVA analysis is used to evaluate the effects of meteorological variables on energy production. In the wind power analysis, air density and wind speed were found to be critical, emphasizing the importance of these factors in determining wind energy potential. In the solar panel power analysis, temperature, sunshine duration, radiation and ambient temperature were found to be critical. Regression analysis showed that most of the variability in turbine power and solar panel power is due to wind speed. In the second section,based on the results of the previous analysis, an evaluation of the performance of the machine learning models is presented. Comparisons between the actual data and the predicted values are made using metrics such as coefficient of determination, mean absolute error and root mean squared error. In addition, a custom prediction model is used to identify the features that affect the model's outputs. The third section evaluates the regional impacts. Regional performance analysis is performed for wind turbine power and solar panel power in Çanakkale and Balıkesir provinces using six different forecasting models. The analysis shows that high coefficients of determination are obtained for both provinces. Finally, in the fourth section, the model performances are compared. The XGBoost algorithm showed high accuracy on the training set and performed equally well with the other algorithms on the test set. The Random Forest model performed the best in terms of MAE. This inferential analysis provides important information for understanding the energy potential of Çanakkale and Balıkesir provinces and evaluating the performance of machine learning models. The thesis contributes to regional energy planning and sheds light on practical applications for more efficient use of renewable energy resources.
Benzer Tezler
- 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
- 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
- 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
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi
Examination of the effects of distributed generation on smart grids
MİKAİL PÜRLÜ
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Makine öğrenmesi yöntemleri kullanılarak kısa dönem rüzgar gücü tahmini
Short-term wind forecast using machine learning methods
KÜBRA YAZICI
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEMRA BORAN