Geri Dön

Forecasting of wind power generation: A comparative study

Rüzgar enerjisi üretiminin tahmini: Bir karşılaştırmalı çalışma

  1. Tez No: 851032
  2. Yazar: SHER YAR KHAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CAVİT FATİH KÜÇÜKTEZCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Rüzgar, güvenilirliği, küresel erişimi ve ekonomik uygunluğu nedeniyle güç üretimi için vazgeçilmez bir yenilenebilir enerji kaynağıdır ve küresel enerji üretiminde giderek artan bir paya sahiptir. Özellikle, Türkiye 2035 yılına kadar elektriğinin %64'ünü yenilenebilir enerjilerden elde etme hedefi doğrultusunda bir enerji devrimi üzerinde çalışmaktadır. Türkiye'nin olumlu coğrafi konumu nedeniyle rüzgar enerjisi potansiyeli yüksektir, bu da rüzgar enerjisinin diğer yenilenebilir enerjilere göre öne çıkmasını sağlamaktadır. Ancak, üretilen rüzgar enerjisinin mevcut enerji iletim sistemine entegre edilmesi, rüzgarın doğal olarak kararsız ve aralıklı davranışı nedeniyle zordur. Ayrıca, enerji santrali operatörleri, piyasa operasyonları için önceden güç üretimi hakkında güvenilir bilgilere ihtiyaç duymaktadır. Bu nedenle, rüzgar enerjisi tahmin yaklaşımları, yenilenebilir enerji araştırmalarında giderek daha önemli hale gelmektedir. Bu tez, rüzgar enerjisi tahmininin üretimini derinlemesine inceleyerek, makine öğrenimi algoritmalarının güç çıkışlarını tahmin etmedeki etkinliğini göstermektedir. Üç farklı çekirdek fonksiyonunu içeren SVM modelleri karşılaştırılmıştır. Uygulanan modellerin rüzgar enerjisi üretimini tahmin etmedeki performansını araştırmak için iki vaka ele alınmıştır. Vaka I, saatlik bazda bir günlük tahmin yapabilmek için hazırlanan veri setinin zaman serisi analizini içermektedir. Vaka II, haftalık bazda rüzgar enerjisi tahminini içermektedir. Gözlemlendiği üzere, SVM modeli Polynomial çekirdek ile diğer modellere göre her iki durumda da daha başarılıdır. Bu analizin belirli bir veri kümesi kullanılarak gerçekleştirildiğini belirtmek önemlidir, bu nedenle bu modellerin performansı diğer faktörler ve farklı parametre ayarları altında değişiklik gösterebilir.

Özet (Çeviri)

Wind is an essential renewable energy source for producing power because of its reliability, global reach, and economic feasibility, and it has a growing share of global energy output. Particularly, Turkey is working on a renewable energy revolution to source 64% of its electricity from renewable energies by 2035. Wind power stands out among the renewables due to Turkey's favorable geographical positioning, which offers substantial wind energy potential. However, incorporating produced wind power into the current power transmission system is difficult due to wind's naturally unstable and intermittent behavior. Furthermore, power plant operators require reliable information on day-ahead power generation for market operations. As a result, forecasting of wind power approaches are becoming increasingly important in renewable energy research. This thesis investigates the production of wind power forecasting in depth, demonstrating the effectiveness of machine learning algorithms in predicting power outputs. SVM with the consideration of three different kernel function were all compared in the investigation. Two cases are considered to investigate the performance of implemented models in predicting wind power generation. Case I involves the time series analysis of dataset that was prepared to enable one-day forecasting on an hourly basis. Case II involves the forecasting of wind energy on weekly basis. It is observed that the SVM with Polynomial kernel outperforms the other models in both considered cases. It is important to note this analysis is performed using specific dataset so the performance of these models may vary with other considerations and under different parameter settings.

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. Cibuti'nin kırsal alanları için fotovoltaik ve rüzgâr ters-osmoz su arıtma sistemlerinin karşılaştırmalı teknik ve ekonomik fizibilite analizi

    Techno-economic assessment of photovoltaic and wind powered reverse-osmosis water desalination system for rural areas in Djibouti: Comparative analysis

    ALI GADITO MOHAMED

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    EnerjiEge Üniversitesi

    Güneş Enerjisi Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET ERYAŞAR

  3. Türkiye Gün İçi Piyasası'nın Avrupa ile karşılaştırmalı analizi

    Comparative analysis of Turkiye's Intraday Market with Europe

    ZEYNEP ÖZMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. SERMİN ONAYGİL

  4. 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. 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