Rüzgâr enerjisi üretim tahmini için hibrit transformer modeli
Hybrid transformer model for wind energy production forecasting
- Tez No: 922595
- Danışmanlar: DOÇ. DR. KENAN ALTUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Rüzgâr enerjisinin elektrik şebekesine giderek daha fazla entegre edilmesi, stabilite ve verimliliğin sağlanabilmesi için doğru tahminleri zorunlu kılmaktadır. Önemli bir yenilenebilir enerji kaynağı olan rüzgâr enerjisi, doğasındaki değişkenlik nedeniyle zorluklar sunmaktadır. Rüzgâr hızının ve yönünün doğru tahmini hem teknik bir engel hem de üretimin talebi karşılayacak şekilde optimize edilerek rüzgâr enerjisi verimliliğinin maksimize edilmesi ve maliyetlerin minimize edilmesi açısından ekonomik bir zorunluluktur. Ancak mevcut yöntemler, karmaşıklık veya yorumlanabilirdik eksikliği nedeniyle genellikle sınırlamalarla karşı karşıya kalmaktadır. Bu çalışma, insan beyninin bilgi işleme yeteneklerinden esinlenerek, yeni bir iki aşamalı hibrit Transformer tabanlı rüzgâr gücü tahmin modeli önermektedir. Geleneksel istatistiksel yöntemler ile ileri makine öğrenimi tekniklerinin güçlü yönlerini birleştiren önceki çalışmalara dayanarak geliştirilen bu model, önemli avantajlar sunmayı hedeflemektedir. Önerilen model, iki aşamalı bir Transformer mimarisi kullanmaktadır. İlk aşama, rüzgâr parametrelerinin yüksek doğrulukta tahminine odaklanırken, ikinci aşama bu tahminleri enerji üretim tahmini için kullanmaktadır. Hibrit mimarimiz, Transformer modellerinin zamansal yeteneklerinden yararlanarak, alan bilgisi ve istatistiksel özellikler ile zenginleştirilmiştir. Önerilen model, birçok rüzgâr enerjisi veri seti üzerinde değerlendirilmiş ve mevcut yöntemlere kıyasla tahmin doğruluğunda önemli iyileşmeler göstermiştir. Bulgularımız, hibrit Transformer modellerinin, rüzgâr enerjisi üretiminde mevcut olan karmaşık zamansal bağımlılıkları ve değişkenliği etkili bir şekilde yakalayabildiğini, böylece şebeke yönetimi ve operasyonel planlamanın iyileştirilmesine yönelik güçlü bir çözüm sunduğunu göstermektedir. Önerilen yöntemlerin geliştirilmesi ve analizi aracılığıyla, bu araştırma doğru ve güvenilir rüzgâr gücü tahminlerine katkıda bulunmayı, maliyet etkin, sürdürülebilir ve verimli elektrik enerjisi planlamasının yolunu açmayı amaçlamaktadır. Bu planlar, şebeke yönetiminin optimize edilmesi, fosil yakıtlara bağımlılığın azaltılması, yenilenebilir enerji kaynaklarının daha etkili bir şekilde entegrasyonu ve talep yanıtı stratejilerinin iyileştirilmesini içermektedir. Rüzgâr gücü tahmin doğruluğunun artırılmasıyla, hibrit model daha iyi elektrik planlamasını, yedek güç kaynaklarına olan ihtiyacın minimize edilmesini ve daha sürdürülebilir bir enerji şebekesine geçişi desteklemektedir. Gelecek araştırma yönleri ve yenilenebilir enerji tahminindeki potansiyel uygulamalar da tartışılmaktadır.
Özet (Çeviri)
The increasing integration of wind power into the electrical grid necessitates accurate forecasting to ensure stability and efficiency. Wind power, a crucial renewable source, poses challenges due to its inherent variability. Accurate wind speed and direction prediction is both a technical hurdle and an economic imperative for maximizing wind power efficiency and minimizing costs by tailoring production to meet demand. However, current methods often face limitations due to complexity or lack of interpretability. Inspired by the human brain's information processing capabilities, this paper proposes a novel two-stage hybrid Transformer-based wind power forecasting model. Building upon the referenced work, which combines the strengths of traditional statistical methods and advanced machine learning techniques, this model aims to offer significant advantages. The proposed model employs a two-step Transformer architecture. The first stage focuses on highly accurate wind parameter estimation, while the second one leverages these estimates for energy production forecasting. Our hybrid architecture leverages the temporal capabilities of transformer models, enhanced by incorporating domain-specific knowledge and statistical features. The proposed model is evaluated on multiple wind power datasets, demonstrating significant improvements in forecasting accuracy compared to existing methods. Our findings indicate that hybrid transformer models can effectively capture the complex temporal dependencies and variability inherent in wind power generation, offering a robust solution for enhancing grid management and operational planning. Through the development and analysis of the proposed methods, this research endeavors to contribute to accurate and reliable wind power forecasting, paving the way for cost-effective, sustainable, and efficient electrical energy planning. These plans include optimizing grid management, reducing reliance on fossil fuels, integrating renewable energy sources more effectively, and improving demand response strategies. By enhancing wind power forecasting accuracy, the hybrid model supports better scheduling and dispatch of electricity, minimizes the need for costly backup power sources, and facilitates the transition to a more sustainable energy grid. Future research directions and potential applications in renewable energy forecasting are also discussed.
Benzer Tezler
- A comparative analysis of LSTM and lıghtgbm models in short-term electricity load forecasting: a case study from türkiye
Kısa dönemli yük tahmininde LSTM ve lightgbm modellerinin karşılaştırmalı analizi: Türkiye'den bir vaka çalışması
MUHAMMET FURKAN BAYSAL
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction
Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü
DUYGU ÖZYILDIRIM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Yapay sinir ağları ile rüzgar ve güneş enerjisi potansiyelinin modellenmesi ve dalgacık dönüşümü ile analizi
Modeling of wind and solar energy potential with artificial neural network and analysis with wavelet transformation
DURHAN GABRALI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- The investigation of the economical aspect of clean hydrogen production with small modular reactors
Nükleer enerji kullanımıyla temiz hidrojen üretiminin ekonomik olarak incelenmesi
EMRE SÖNMEZ
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. SENEM ŞENTÜRK LÜLE
- Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms
Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak
CEM ÖZEN
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ