Rüzgar gücü tahmini için oluşturulan modellerin performans sonuçlarının analiz edilmesi
Analyzing the performance results of models for wind power forecasting
- Tez No: 938344
- Danışmanlar: PROF. DR. TOLGA DEPCİ, DOÇ. DR. BARIŞ ÇUKURBAŞI
- Tez Türü: Doktora
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Enerji Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 220
Özet
Yenilenebilir enerji entegrasyonunu artırma bağlamında operasyonel verimliliği artırma ve şebeke istikrarını sağlama konusunda özel bir odaklanma ile rüzgâr enerjisi tahmini için geliştirilen çeşitli modellerin performans sonuçlarını araştırma amacı güden bu çalışmada, sürdürülebilir enerji sistemlerine doğru küresel bir geçişin zemininde, çalışma rüzgâr enerjisinin sadece yenilenebilir enerji portföylerine önemli bir katkıda bulunan değil aynı zamanda fosil yakıt bağımlılığını azaltmada stratejik bir unsur olarak oynadığı önemli rolün altı çizmektedir. Çalışmanın merkezinde, ultra kısa vadeli tahmin ve çok adımlı zaman serisi tahmin modellerinin değerlendirilmesi yer almaktadır. Stacked Denoising Auto Encoders (SDAE), XGBoost ve CatBoost gibi gelişmiş algoritmalar ve Konvolüsyonel Sinir Ağlarını (CNN) Uzun Kısa Süreli Bellek (LSTM) ağları ve Kapılı Tekrarlayan Birimler (GRU) ile birleştiren hibrit modeller de dahil olmak üzere bir dizi metodoloji araştırılmıştır. Çalışmanın bir diğer odak noktası da özellik seçimi ve mühendisliğinin kritik rolüdür. Birden fazla özellik seçimi tekniğini bir araya getiren fikir birliğine dayalı bir yaklaşım kullanarak, çalışma girdi değişkenlerinin optimize edilmesinin tahmin doğruluğunu önemli ölçüde nasıl artırabileceğini göstermektedir. Çeşitli metodolojik yaklaşımların entegrasyonu ve istatistiksel, makine öğrenimi ve derin öğrenme modellerinin birleştirilmesi, toplu olarak daha dayanıklı bir tahmin çerçevesine katkıda bulunur. Sonuç olarak, bu araştırmanın bulguları rüzgâr gücü tahmininin çok yönlü zorluklarına ilişkin değerli içgörüler sağlamakta ve daha doğru ve güvenilir tahmin sistemlerine doğru uygulanabilir bir yol sunmaya çalışmaktadır. Burada sunulan ampirik kanıtlar ve metodolojik yenilikler, yenilenebilir enerji sistemlerinin yönetimi için önemli pratik çıkarımlar taşır.
Özet (Çeviri)
This study aims to investigate the performance results of various models developed for wind energy forecasting with a special focus on improving operational efficiency and ensuring grid stability in the context of increasing renewable energy integration. Against the backdrop of a global transition towards sustainable energy systems, the study highlights the important role of wind energy not only as a significant contributor to renewable energy portfolios but also as a strategic element in reducing fossil fuel dependency. The study centers on the evaluation of ultra-short-term forecasting and multi-step time series forecasting models. A range of methodologies are investigated, including advanced algorithms such as Stacked Denoising Auto Encoders (SDAE), XGBoost and CatBoost, and hybrid models combining Convolutional Neural Networks (CNN) with Long Short-Term Memory (LSTM) networks and Gated Recurrent Units (GRU). Another focus of the study is the critical role of feature selection and engineering. Using a consensus-based approach that combines multiple feature selection techniques, the study demonstrates how optimizing input variables can significantly increase forecast accuracy. The integration of various methodological approaches and the combination of statistical, machine learning and deep learning models collectively contribute to a more robust forecasting framework. In conclusion, the findings of this research provide valuable insights into the multifaceted challenges of wind power forecasting and attempt to provide a workable path towards more accurate and reliable forecasting systems. The empirical evidence and methodological innovations presented here carry important practical implications for the management of renewable energy systems
Benzer Tezler
- A multiscale approach to understand the effects of design parameters on the elastic behavior of 3D orthogonally woven composites
3B ortogonal dokuma kompozit yapıların geometrik parametrelerinin yapının elastik davranışına etkisinin incelenmesi
HİLAL ERKOÇ
Yüksek Lisans
İngilizce
2024
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA CEBECİ
- Sabit mıknatıslı senkron generatörlerin modellenmesi ve optimizasyonu
Modelling and optimization of permanent magnet synchronous generators
ERHAN NERGİZ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT AYDIN
- Development of single-frame methods aided kalman-type filtering algorithms for attitude estimation of nano-satellites
Nano-uydularda yönelim kestirimi için tek-çerçeve yöntemlere dayali kalman-tipi filtreleme algoritmalarinin geliştirilmesi
DEMET ÇİLDEN GÜLER
Doktora
İngilizce
2021
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
PROF. DR. ZEREFŞAN KAYMAZ
- 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
- Güneş enerji sistemlerinin performans tahmini için yapay sinir ağları ile modellenmesi ve verimliliğin incelenmesi
Modeling solar systems using artificial neural networks for performance prediction and investigation efficiency
YASİN İÇEL
Doktora
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SALİH MAMİŞ