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: Belirtilmemiş.
- 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: 122
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
EnerjiÇukurova ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. BEŞİR ŞAHİN
- Yapay sinir ağları ve derin öğrenme teknikleri kullanılarak elma ve ayvada çeşitli hastalıkların tespit edilmesi
Detection of various diseases in apple and quince by using artificial neural networks and deep learning techniques
AYSUN YILMAZ KIZILBOĞA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATİLLA ERGÜZEN
- Tabakalı zeminlere oturan ring (halka) temellerde taşıma gücünün laboratuvar deneyeleri ve makine öğrenme yöntemleriyle analizi
Analysis of bearing capacity of ring footings on layered soils using laboratory experiments and machine learning methods
MUSA KÜRŞAT ASLANTAŞ
Doktora
Türkçe
2025
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL UNCUOĞLU
- Türk işaret dilinde kelime tabanlı derin öğrenme uygulaması
Deep learning algorithms to recognize word based Turkish sign language
MEHMET ERKUŞ
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELDA GÜNEY