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
- Tez No: 907352
- Danışmanlar: DOÇ. DR. CEM EMEKSİZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Rüzgar hızının doğru ve güvenilir tahminlenmesi rüzgar enerjisi güç sistemlerinin yönetilmesi ve işletilmesinde kilit rol oynamaktadır. Bu nedenle bu çalışmada rüzgar hızı tahminlenmesinde kullanılmak üzere derin öğrenmeye dayalı yenilikçi adaptif bir tahminleme modeli (NAEM) geliştirilmiştir. Geliştirilen bu model uyarlanabilir gürültü ile geliştirilmiş tam topluluk ampirik mod ayrıştırması (ICEEMDAN), sürekli dalgacık dönüşümü (CWT), kontrast sınırlı uyarlanabilir histogram eşitleme (CLAHE), parçacık sürüsü optimizasyonu (PSO) ve evrişimli sinir ağı (CNN)'dan oluşmaktadır. Kullanılan modelin veri ön işleme aşamasında klasik veri matris dönüşümü yöntemine ayrıklaştırma tekniği kullanılarak alternatif bir yaklaşım sunulmuştur. Model 3 farklı vaka çalışmasında test edilmiş ve elde edilen performans metrikleri (RMSE, MAPE ve R2) incelendiğinde özellikle diğer kıyaslama modellerine (CNN-RNN, GRU, LSTM) göre daha doğru ve güvenilir sonuçlar sergilemiştir. Elde edilen sonuçlar sunulan modelin özellikle rüzgar hızı tahminlemesinde iyi bir alternatif olacağını göstermektedir.
Özet (Çeviri)
Estimating the wind speed correctly and reliably plays a key role in managing and operating wind energy power systems. Therefore an novelty adaptive estimation model (NAEM) combined with deep learning-based mode discretization has been developed for use in wind speed estimation in this study. This developed model consists of the improved complete ensemble empirical mode decomposition with adaptive noise (ICEEMDAN), the continuous wavelet transforms (CWT), the contrast limited adaptive histogram equalization (CLAHE), the particle swarm optimization (PSO), and convolutional neural network (CNN). Adaptive estimation model using decomposition method was presented as an alternative to the traditional data matrix transformation used in data preprocessing stage. Thus, the usage of this model for the first time in the data preprocessing stage and the creation of a hybrid structure by combining the methods included in this method for the first time constitute the most important innovative aspect of the study. Proposed model (NAEM) was tested in different case studies and RMSE, MAPE, and R2 were used as performance metrics. In the comparison with commonly used deep learning models (CNN-RNN, GRU, LSTM) the root means square error (RMSE) values decrease by 25.80%, 61.17% and 63.60% respectively. In addition, the power density value of the actual wind speeds was approached by 95.1% with the proposed NAEM.
Benzer Tezler
- 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
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Derin öğrenme tabanlı hibrit tahminleme modeli kullanarak rüzgar hızı tahminlemesi
Wind speed forecasting using a deep learning-based hybrid forecasting model
MUHAMMED MUSA FINDIK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM EMEKSİZ
- Farklı regresyon modelleri kullanarak etkin parametrelere göre rüzgar hızı tahminlemesi
Wind speed estimation by effective parameters using different regression models
İLKNUR DEMİR
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM EMEKSİZ
- İzmir Aliağa Bölgesi rüzgâr enerjisi potansiyeli tahmini için yapay sinir ağ modeli geliştirilmesi
Improving artificial neural network model for the prediction of the wind energy potential in Izmir Aliaga Region
TAHA ELMACI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY AYDOĞAN
- Makine öğrenimi tabanlı fotovoltaik çıkış gücü tahminlemesi
Machine learning based photovoltaic output power forecasting
BERRİN ERYILMAZ
Yüksek Lisans
Türkçe
2022
EnerjiDicle ÜniversitesiYenilenebilir Enerji Kaynakları
DOÇ. DR. FATİH KOÇYİĞİT
DR. ÖĞR. ÜYESİ HEYBET KILIÇ