Gün öncesi elektrik piyasası için kısa dönemli rüzgar gücü üretim tahmin yöntemi
Short-term wind power generation forecasting method for day-ahead electricity market
- Tez No: 907741
- Danışmanlar: PROF. DR. ŞAFAK SAĞLAM, PROF. DR. BÜLENT ORAL
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 110
Özet
Bu çalışmada, rüzgar enerjisinden elektrik üretim tahminlerinin doğruluğunu artırmak amacıyla hibrit bir makine öğrenimi modelinin geliştirilmesi ve değerlendirilmesi hedeflenmektedir. Çalışmada, mevcut yöntemler farklı parametreler ve özellik mühendislikleri ile kullanılarak yeni bir hibrit model oluşturulmaktadır. Bu hibrit yaklaşım, tahmin doğruluğunu artırmayı sağlamaktadır. Araştırma, rüzgar enerjisi üretim verilerinin toplanması ve analiz edilmesi ile kapsamlı veri setlerinin oluşturulması süreciyle başlamaktadır. Metodoloji bölümü veri toplama, ön işleme, model geliştirme ve model değerlendirme aşamalarından oluşmaktadır. İlk olarak rüzgar hızı, yönü, sıcaklık ve basınç gibi parametrelerden oluşan veri setleri toplanmaktadır. Ön işleme aşamasında, veriler temizlenerek modellemeye uygun hale getirilmektedir. Rastgele Orman (RF), Destek Vektör Makineleri (SVM) ve Yapay Sinir Ağları (ANN) kullanılarak bireysel modeller geliştirilmektedir. Bu modeller, hibrit bir modele entegre edilerek güçlü yönlerinden faydalanılmaktadır. Hibrit modelin performansı, Ortalama Mutlak Hata (MAE), Ortalama Karesel Hata (MSE) ve Belirleme Katsayısı (R²) gibi istatistiksel ölçütlerle değerlendirilmektedir. Çalışma, mevcut yöntemlere yenilikçi bir katkı sunmakta ve hibrit modelin tahmin doğruluğunu artırma potansiyelini ortaya koymaktadır. Bu yeni yaklaşım, yenilenebilir enerji kaynaklarının yönetimi ve planlanmasında önemli bir potansiyel taşımaktadır.
Özet (Çeviri)
This study aims to improve the accuracy of wind power generation forecasts through the development and evaluation of a hybrid machine learning model. The study develops a new hybrid model by using different parameters and feature engineering of existing methods. This hybrid approach is designed to enhance forecast accuracy. The research begins with the collection and analysis of wind energy production data to create comprehensive datasets. The methodology consists of four stages: data collection, preprocessing, model development, and model evaluation. Initially, datasets containing parameters such as wind speed, direction, temperature, and pressure are collected. In the preprocessing stage, the data are cleaned and prepared for modeling. Random Forest (RF), Support Vector Machines (SVM), and Artificial Neural Networks (ANN) are used to develop individual models. These models are then integrated into a hybrid model to leverage their strengths. The performance of the hybrid model is evaluated using statistical metrics such as Mean Absolute Error (MAE), Mean Squared Error (MSE), and the coefficient of determination (R²). The study offers an innovative contribution to existing methods and demonstrates the potential of the hybrid model in improving forecast accuracy. This new approach holds significant potential for improving the management and planning of renewable energy resources.
Benzer Tezler
- Yapay sinir ağları ile Türkiye elektrik piyasası fiyat tahmini
Electricity price forecasting in the Turkish market using artificial neural networks
AYLİN BÜYÜKMIHCI
- Elektrik üreticileri perspektifinden uzun dönem elektrik üretimi yatırımlarının planlanmasına yönelik bir karar destek modeli
A decision support model for long-term investment planning of electricity generation from the perspective of generation companies
BERNA TEKTAŞ SİVRİKAYA
Doktora
Türkçe
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Türkiye elektrik piyasası kısa dönemli referans fiyat tahmini
Turkish electricity market short term market clearing price forecasting
SERCAN YILDIZ
Yüksek Lisans
Türkçe
2015
Ekonometriİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Mathematical modeling and solution approaches for balancing turkish electricity day ahead market
Türkiye gün öncesi elektrik piyasası dengelemesi için matematiksel modelleme ve çözüm yaklaşımları
SİNAN YÖRÜKOĞLU
Yüksek Lisans
İngilizce
2015
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP MÜGE AVŞAR
DR. BORA KAT
- Yapay sinir ağları kullanılarak Türkiye gün öncesi piyasası elektrik fiyat tahmini
Turkish day ahead market electricity clearing price forecasting using artificial neural network
ASLIHAN DALGIN
Yüksek Lisans
Türkçe
2017
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. GÜLGÜN KAYAKUTLU