Geri Dön

Rüzgar hızı tahminlemesinde ikincil ayrıştırmalı ve dalgacık sinir ağı temelli yeni bir hibrit yaklaşım

A new hybrid approach to wind speed forecasting based on two-stage decomposition and wavelet neural network

PDF İndir

  1. Tez No: 872126
  2. Yazar: SERKAN ŞENKAL
  3. Danışmanlar: DOÇ. DR. CEM EMEKSİZ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Mekatronik Mühendisliği, Electrical and Electronics Engineering, Energy, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Tokat Gaziosmanpaşa Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 161

Özet

Enerji tüketimi ile küreselleşme, kentleşme, enerji politikaları ve ekonomik büyüme gibi çeşitli faktörler arasındaki ilişkiyi içeren çalışmalarla literatürde sıklıkla karşılaşılmaktadır. Bu ilişki, sürdürülebilir enerji sistemlerine ulaşmak için politika ve stratejilerin önemini vurgular. Yenilenebilir enerji kaynakları çevresel faydalar sunar, karbon ayak izini azaltır ve enerji güvenliği ve bağımsızlığı sağlar. Ancak yenilenebilir enerjiye geçiş maliyetli olabilir ve jeopolitik riskler de tedarik zincirlerini ve dağıtımı etkileyebilir. Bu zorlukları aşmak için yenilenebilir enerji kaynaklarının çeşitlendirilmesi ve bölgesel iş birliği büyük önem taşır. Yenilenebilir enerji, toplum ve çevre için birçok fayda sağlayan sürdürülebilir bir enerji kaynağıdır. İklim değişikliğine katkıda bulunan sera gazı emisyonlarını azaltır, halk sağlığını iyileştirir, su kirliliğini azaltır, ekosistemleri korur ve sürdürülebilir kaynak kullanımını teşvik eder. Ayrıca sürdürülebilir kalkınmayı destekler ve enerji sektöründe inovasyon ve araştırmaları ilerletir. Yenilenebilir enerji teknolojileri, tesis verimliliğini artırır ve düşük karbonlu teknolojilerde bir trend olarak öne çıkar. Rüzgar enerjisinin anlaşılması ve kullanılmasında, rüzgar hızı önemli bir faktördür. Rüzgar türbinlerinin verimli çalışması, hava tahmini, iklim modellemesi ve açık deniz operasyonları için doğru rüzgar hızı tahmini önemlidir. Rüzgar hızı tahmini için sinir ağları yaygın olarak kullanılır çünkü karmaşık doğrusal olmayan ilişkileri yakalama yetenekleri vardır. Birden fazla modelden elde edilen tahminleri birleştiren hibrit yaklaşımlar da umut vericidir. Değişken mod ayrıştırması (VMD) ve topluluk ampirik mod ayrıştırması (EEMD) gibi ayrıştırma tekniklerinin rüzgar hızı tahmininde önemli olduğu kanıtlanmıştır. Dalgacık sinir ağları (WNN'ler), aktivasyon işlevi olarak dalgacıkları kullanarak sinir ağlarının farklı giriş verisi özelliklerini yakalamasına ve performansını artırmasına olanak tanır. Rüzgar hızı tahmini için WNN'lere doğrudan referans olmamasına rağmen, mevcut çalışmalar rüzgar hızı tahmin doğruluğunu artırmak için farklı sinir ağı mimarilerini dalgacık ayrıştırma teknikleriyle birleştirme potansiyelini göstermektedir. Çalışmamızda, çok kısa vadeli rüzgar hızı tahmininde başarımı yüksek olacak şekilde, ikincil ayrıştırmalı ve dalgacık sinir ağı ile oluşturulmuş bir hibrit model önerisinde bulunduk. Bu öneri doğrultusunda, popüler olarak kullanılan dört adet ayrıştırma modeli ile ikili olarak on altı adet ayrıştırma çifti ve üç tanesi yapay sinir ağı aktivasyon fonksiyonu, on üç tanesi dalgacık aktivasyon fonksiyonu olacak şekilde toplam on altı aktivasyon fonksiyonu ile 256 adet hibrit model oluşturulmuştur. Bu modeller ile dört mevsimin orta ayları için simülasyonlar yapılmış, ardından bu dört ayın sonuçları doğrultusunda başarımı yüksek olan 48 model ile yılın diğer sekiz ayı simüle edilmiştir. Bulduğumuz sonuçlar, Ampirik Mod Ayrıştırması türevi olan CEEMDAN yöntemi ile Değişken Mod Ayrıştırma yönetimi (VMD) ile oluşturulan ikili ayrıştırma modelinin, SLOG2 dalgacık aktivasyon fonksiyonu sinir ağı ile oluşturulan hibrit tahmin modelinin yüksek başarımlı tahminler gerçekleştirdiği doğrultusundadır.

Özet (Çeviri)

The literature is frequently encountered with studies on the relationship between energy consumption and various factors such as globalisation, urbanisation, energy policies and economic growth. This relationship emphasises the importance of policies and strategies for sustainable energy systems. Renewable energy sources offer environmental benefits, reduce carbon footprint and provide energy security and independence. However, the transition to renewable energy can be costly and geopolitical risks can also affect supply chains and distribution. Diversifying renewable energy sources and regional cooperation are crucial to overcome these challenges. Renewable energy is a sustainable energy source with many benefits for society and the environment. It reduces greenhouse gas emissions contributing to climate change, improves public health, reduces water pollution, protects ecosystems, and promotes sustainable resource utilization. It also supports sustainable development and advances innovation and research in the energy sector. Renewable energy technologies improve plant efficiency and are a trend in low-carbon technologies. Wind speed is an important factor in understanding and utilizing wind energy. Accurate wind speed prediction is important for the efficient operation of wind turbines, weather forecasting, climate modelling and offshore operations. Neural networks are widely used for wind speed prediction because they can capture complex nonlinear relationships. Hybrid approaches that combine predictions from multiple models are also promising. Decomposition techniques such as variable mode decomposition (VMD) and ensemble empirical mode decomposition (EEMD) have proven to be important in wind speed prediction. Wavelet neural networks (WNNs) utilize wavelets as the activation function, allowing neural networks to capture different input data characteristics and improve performance. Although there is no direct reference to WNNs for wind speed prediction, existing studies show the potential of combining different neural network architectures with wavelet decomposition techniques to improve wind speed prediction accuracy. Our study proposes a hybrid model with secondary decomposition and a wavelet neural network for very short-term wind speed forecasting. In line with this proposal, 256 hybrid models are created with sixteen decomposition pairs in pairs with four popularly used decomposition models and sixteen activation functions, three of which are neural network activation functions and thirteen of which are wavelet activation functions. With these models, simulations were ibrit r the middle months of the four seasons, and then the other eight months of the year were simulated with 48 models with high performance in line with the results of these four months. Our results ibr that the CEEMDAN method, which is a derivative of the Empirical Mode Decomposition, the binary decomposition model created with the Variable Mode Decomposition management (VMD), and the hybrid forecasting model created with the SLOG2 wavelet activation function neural network perform high-performance forecasts.

Benzer Tezler

  1. Tez No

    907352

    Rüzgar hızı tahminlemesi için derin öğrenme ve ayrıklaştırma temelli uyarlanabilir hibrit tahmin modeli geliştirilmesi

    Development of a deep learning and discretization based adaptive hybrid forecast model for wind speed forecasting

    MUSTAFA TAN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CEM EMEKSİZ

  2. Tez No

    274819

    Sakarya-Esentepe yöresi rüzgar enerjisi potansiyelinin yeni bir yaklaşımla belirlenmesi

    A new approach of determining wind energy potential of Sakarya-Esentepe region

    FARUK ORAL

    Doktora

    Türkçe

    Türkçe

    2010

    EnerjiSakarya Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL EKMEKÇİ

  3. Tez No

    143446

    Modeling and forecasting air pollutants using artificial neural network approach

    Yapay sinir ağları yöntemi kullanılarak hava kirleticilerinin modellenmesi ve tahminlenmesi

    REFİA TANSEL COŞKUNER

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Çevre MühendisliğiOrta Doğu Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜRDAL TUNCEL

    DOÇ. DR. GÜLEN GÜLLÜ

  4. Tez No

    683169

    Rüzgar hızı yük tahmin modelleri ve Yalova bölgesinde bir uygulama

    Wind speed load forecasting models and an application in Yalova

    ZELİHA NUR KİRİŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  5. Tez No

    675120

    Rüzgar hızı tahmini için yapay sinir ağı ve adaptif sansürleme tekniği tabanlı yeni yaklaşımların geliştirilmesi

    Development of new approaches based on artificial neural network and adaptive censoring technique for wind speed prediction

    ALİ OGÜN SARP

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiNiğde Ömer Halisdemir Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENGİN CEMAL MENGÜÇ

Geri Dön