Makine öğrenmesi yöntemleri ile rüzgar gücü üretim tahmini
Wind power generation forecasting using machine learning methods
- Tez No: 920336
- Danışmanlar: DR. ÖĞR. ÜYESİ HALİT ALPER TAYALI
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Bir rüzgâr türbininin üreteceği güç miktarının tahmini; türbinin tamir-bakım planlarının değerlendirilmesi, enerji üretim-tüketim dengesinin belirlenmesi gibi pek çok alanda önemlidir. Rüzgâr enerjisinin son derece değişken yapısından kaynaklı enerji sistemindeki belirsizliğin azaltılması ve rüzgâr santrallerinde daha güvenilir enerji üretim tahminleri yapılması için matematik ve istatistik temelli tahmin modelleri kullanılmaktadır. Bu tahmin modellerinin ihtiyacı olan sayısal veriler, rüzgâr türbininin faaliyetlerini gözlemleyip kaydeden sistemler SCADA (“Supervisory Control and Data Acquisition”) aracılığı ile toplanmaktadır. Bu çalışmada bir rüzgâr türbininin SCADA sisteminden aktif güç, teorik güç, rüzgâr yönü ve rüzgâr hızı değişkenlerine ilişkin 10 dakikalık zaman aralığı ile ölçülen sayısal veriler (Erisen, 2018) kullanılmıştır. Bağımlı değişken aktif güç, bağımsız değişkenler ise rüzgâr hızı, teorik güç ve rüzgâr yönü olacak şekilde türbinin ürettiği aktif gücü tahmin eden farklı modellerin hata değerleri ve performans değerleri hesaplanmıştır. Makine Öğrenmesi yöntemlerinden Karar Ağacı (“Decision Tree”), Rastgele Orman (“Random Forest”), Aşırı Gradyan Arttırma (“XGBoost”) ve Çoklu Doğrusal Regresyon yöntemi ile farklı tahmin modelleri kurularak, bu modellerin performansları tahmin hata değerlerinin hesaplanması ve karşılaştırılması sonucunda en iyi performans veren tahmin yönteminin belirlenmesi amaçlanmıştır.
Özet (Çeviri)
Estimating the amount of power a wind turbine will generate is important in many areas, such as evaluating maintenance and repair schedules, determining the balance of energy production and consumption, and more. Due to the highly variable nature of wind energy, mathematical and statistical-based prediction models are used to reduce uncertainty in the energy system and provide more reliable energy production forecasts for wind farms. The numerical data required by these prediction models are collected through SCADA systems that monitor and record the operations of the wind turbine. In this study, numerical data measured at 10-minute intervals related to the variables of active power, theoretical power, wind direction, and wind speed from the SCADA system of a wind turbine (Erisen, 2018) were used. The dependent variable was active power, while the independent variables were wind speed, theoretical power, and wind direction. The aim was to calculate the error values and performance metrics of different models predicting the active power produced by the turbine. Prediction models were established using Machine Learning methods such as Decision Tree, Random Forest, Extreme Gradient Boosting (XGBoost), and Multiple Linear Regression. The objective was to determine the best-performing prediction method by calculating and comparing the prediction error values of these models.
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
- Makine öğrenmesi yöntemleri kullanılarak kısa dönem rüzgar gücü tahmini
Short-term wind forecast using machine learning methods
KÜBRA YAZICI
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEMRA BORAN
- Makine öğrenmesi teknikleri kullanarak yenilenebilir enerji güç üretim tahmini ve optimum hibrit güç sistemi tasarımı
Renewable energy power generation forecasting and optimal hybrid power system design using machine learning techniques
HALIL DEMOLLI
Doktora
Türkçe
2020
Makine MühendisliğiNiğde Ömer Halisdemir ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT GÖKÇEK
DR. ÖĞR. ÜYESİ AHMET ŞAKİR DOKUZ
- Güç sistemlerinde yenilenebilir enerjiye dayalı rezerv optimizasyonu
Reserve optimization based on renewable energy in power systems
SERDAL ATİÇ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN İZGİ
DOÇ. DR. MEHMET RIDA TÜR
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ