Forecasting of wind power generation: A comparative study
Rüzgar enerjisi üretiminin tahmini: Bir karşılaştırmalı çalışma
- Tez No: 851032
- Danışmanlar: DR. ÖĞR. ÜYESİ CAVİT FATİH KÜÇÜKTEZCAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- Rüzgar enerjisi üretimi tahmininde ağaç tabanlı ardışık sığ ögrenme yöntemlerinin yeni adaptif eğitim tabanlı rekabetçi algoritma ileoptimizasyonu
Optimization of tree-based sequential shallow learning methodsfor wind power generation forecasting using a novel adaptive training-based competitive algorithm
ELİF YÜCESOY
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN İŞIKER
DR. ÖĞR. ÜYESİ GÖKHAN YÜKSEK
- 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
- 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
2018
EnerjiEge ÜniversitesiGüneş Enerjisi Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ERYAŞAR
- Türkiye Gün İçi Piyasası'nın Avrupa ile karşılaştırmalı analizi
Comparative analysis of Turkiye's Intraday Market with Europe
ZEYNEP ÖZMEN
Yüksek Lisans
Türkçe
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Hava tahmin modelleri ve yüzdelik dilim regresyonu temelli hibrit güneş enerjisi öngörü sistemi geliştirilmesi ve uygulamaları
Development and applications of a hybrid solar energy forcasting system integrating weather models and quantile regression
AYŞEGÜL BİÇER
Yüksek Lisans
Türkçe
2026
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DURAN ŞAHİN