Makine öğrenme yöntemi kullanılarak Weibull dağılım fonksiyonunun katsayılarının belirlenmesi ve farklı illerde rüzgar potansiyelinin tahmin edilmesi
Determining coefficients of Weibull distribution function using machine learning methods and estimating wind potential in different regions
- Tez No: 930275
- Danışmanlar: PROF. DR. YUSUF ALPER KAPLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Weibull dağılımı, Weibull distribution
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Osmaniye Korkut Ata Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yenilenebilir enerji kaynaklarının önemi, küresel enerji taleplerini karşılamak amacıyla artmıştır. Ancak, rüzgar enerjisinin potansiyeli yeterince değerlendirilememektedir. Bölgesel düzeyde, yer seçimi ve kurulum maliyetleri, rüzgar enerji santrallerinin (RES) verimliliğini doğrudan etkilemektedir. RES için yer seçimi sürecinde önemli zorluklar bulunmasına rağmen, henüz uluslararası alanda kabul görmüş bir metodoloji geliştirilmemiştir. Bölgesel rüzgar potansiyelinin değerlendirilmesi, rüzgar enerjisi kaynaklarının optimizasyonu açısından kritik öneme sahiptir. Bu çalışma, 2017-2021 yılları arasında Adana, Alanya, Ankara, Antalya, Çanakkale, Gaziantep, İzmir, Kahramanmaraş, Konya, Mersin ve Osmaniye illerinin rüzgar enerjisi potansiyelini değerlendirmek için Meteoroloji Genel Müdürlüğü'nden alınan rüzgar verilerini kullanmıştır. İnceleme MATLAB programı ile gerçekleştirilmiştir. Bölgelere ait ortalama rüzgar hızı ve rüzgar gücü değerlerinin tahmin edilmesinde Weibull dağılım fonksiyonu kullanılmış ve elde edilen sonuçlar gerçek gözlemlerle karşılaştırılmıştır. Weibull dağılım fonksiyonunun katsayılarını belirlemek için çeşitli yaklaşımlar uygulanmış ve bu yöntemlerin doğruluğu çeşitli istatistiksel hata analiz testleri ile değerlendirilmiştir. Sonuç olarak, seçilen bölge için performansa ilişkin optimal strateji belirlenmiştir. Bu çalışma, bölgenin rüzgar enerjisi potansiyelinin kapsamlı bir değerlendirmesini sunmakta ve alandaki rüzgar enerjisi gelişimi için bir tahmin sağlamaktadır. Ayrıca, bu kapsamlı çalışma gelecekteki araştırma projeleri ve akademik çalışmalar için önemli bir katkı sağlayacaktır. Türkiye'deki rüzgar enerjisi sektörünün hızlandırılmış ilerlemesi için etkili önlemler belirlemeyi ve toplam kurulu kapasite içinde rüzgar enerjisinin oranını artırmayı hedeflemektedir.
Özet (Çeviri)
The significance of renewable energy sources has increased to fulfil global energy demands. However, the potential of wind energy is not being adequately harnessed. On a regional basis, the selection of sites and installation expenses directly influence the efficiency of wind power plants (WPP). Despite the presence of significant challenges in the site selection process for a WPP, no globally recognized methodology has been established. Evaluating regional wind potential is crucial for optimizing the utilization of wind energy resources. This study utilized wind data from the General Directorate of Meteorology to assess the wind energy potential of 11 cities—Adana, Alanya, Ankara, Antalya, Çanakkale, Gaziantep, İzmir, Kahramanmaraş, Konya, Mersin, and Osmaniye—over the period from 2017 to 2021. The examination was performed with the MATLAB program. The Weibull distribution function was utilized for estimating the average wind speed and wind power values for the regions, which were subsequently compared with actual observations. Various approaches were employed to determine the coefficients of the Weibull distribution function, and the accuracy of these methods was evaluated by various statistical error analysis tests. Consequently, the optimal strategy regarding performance for the chosen region was determined. This study offers a comprehensive evaluation of the region's wind energy potential and provides an estimation for wind energy development in the area. This comprehensive study will significantly enhance future research projects and academic studies in this domain. It seeks to determine efficient measures for the accelerated advancement of the wind energy sector in Türkiye and to enhance the proportion of wind energy within the total installed capacity.
Benzer Tezler
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Predictions of wind speed and wind power potential using artificial neural networks
Yapay sinir ağları ile rüzgar hızı ve rüzgar gücü potansiyeli tahminleri
MEHMET BİLGİLİ
Doktora
İngilizce
2007
Makine MühendisliğiÇukurova ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. BEŞİR ŞAHİN
- Kırım-Kongo Kanamalı Ateşi hastalarının prognozunun klinik ve laboratuvar verileri kullanılarak makine öğrenme yöntemi ile tahmin edilmesi
Predicting prognosis of Crimean-Congo Hemorrhagic Fever patients using clinical and laboratory data with machine-learning methods
ERTUĞRUL KESKİN
Tıpta Uzmanlık
Türkçe
2026
Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiSivas Cumhuriyet ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
PROF. DR. SEYİT ALİ BÜYÜKTUNA
- Comparison of information theory metrics on a time series dataset and introduction of a noval feature selection method: Jensen-Gini-Simpson index
Bilgi teorisi ölçümlerinin makine öğrenme algoritmaları kullanılarak karşılaştırılması ve yeni bir özellik seçim yöntemi olarak Jensen-Gini-Simpson endeksi'nin tanıtılması
CİHAT EROL
Yüksek Lisans
İngilizce
2025
İstatistikİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. FEMİN YALÇIN KÜÇÜKBAYRAK
- Derin öğrenme yöntemi kullanılarak görüntü-tabanlı türk işaret dili tanıma
Image-based turkish sign language recognition using deep learning method
ELİF EZEL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER KAAN BAYKAN