Rüzgâr gücü tahmininde uzun kısa süreli bellek ve geçitli tekrarlayan birim modellerinin karşılaştırılması ve analizi
Comparison and analysis of long short-term memory and gated recurrent unit models in wind power prediction
- Tez No: 951090
- Danışmanlar: DOÇ. DR. MEHMET YEŞİLBUDAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Nevşehir Hacı Bektaş Veli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Temiz ve çevre dostu yapısıyla rüzgâr enerjisi, küresel ölçekte öne çıkan yenilebilir bir enerji kaynağıdır. Ancak, meteorolojik faktörler ve rüzgâr hızındaki değişkenlik, rüzgâr enerji sistemlerini istikrarsız hale getirmekte ve rüzgâr gücünün tahmin edilmesini zorunlu kılmaktadır. Rüzgâr gücü tahmini şebeke dengesinin korunması, yenilenebilir enerji kaynaklarının verimli kullanımı ve enerji ticaretinin, bakım-onarım işlemlerinin ve enerji üretim planlamalarının optimize edilmesinde kritik bir rol oynamaktadır. Bu amaçla, bu tez çalışmasında, uzun kısa süreli bellek ve geçitli tekrarlayan birim derin öğrenme mimarileri tek, iki ve üç katmanlı yapılandırılarak uyarlanabilir moment tahmini, karekök ortalama kare yayılımı ve momentumlu stokastik gradyan azalması algoritmaları ile eğitilmiştir. Ayrıca, Bayes optimizasyon algoritmasından yararlanılarak her bir derin öğrenme modeli için en uygun hiper-parametre değerleri tespit edilmiştir. Oluşturulan tahmin modellerinin performansları ortalama mutlak yüzdesel hata, ortalama mutlak hata ve karekök ortalama hata ölçekleri açısından analiz edilmiştir. Yapılan analizler sonucunda, uyarlanabilir moment tahmini eğitim algoritmasına dayalı tek katmanlı uzun kısa süreli bellek modeli en yüksek tahmin doğruluğunu sağlayan derin öğrenme modeli olarak ortaya çıkmıştır.
Özet (Çeviri)
With its clean and environmentally friendly profile, wind energy is a prominent renewable energy source on a global scale. However, meteorological factors and wind speed fluctuations make wind energy systems unstable, and necessitate the prediction of wind power. Wind power prediction plays a critical role in maintaining grid balance, efficient usage of renewable energy resources and optimizing energy trading, maintenance-repair operations and energy generation planning. For this purpose, in this thesis, long short-term memory and gated recurrent unit deep learning architectures were structured as single, two and three layers, and trained with adaptive moment estimation, root mean square propagation and stochastic gradient descent with momentum algorithms. Additionally, the optimal hyper-parameter values for each deep learning model were determined by utilizing the Bayesian optimization algorithm. The performance of the created prediction models were analyzed in terms of mean absolute percentage error, mean absolute error and root mean square error metrics. As a result of the analyses performed, the single-layer long short-term memory model based on the adaptive moment estimation training algorithm became the deep learning model that provided the highest prediction accuracy.
Benzer Tezler
- Meteorolojik verilerden yararlanarak güneş enerji santralinin çıkış gücü tahmini
Forecasting output of a solar power plant using meteorological data
ELİF YÖNT AYDIN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HEYBET KILIÇ
- Rüzgar gücü tahmini için oluşturulan modellerin performans sonuçlarının analiz edilmesi
Analyzing the performance results of models for wind power forecasting
ORKUN TEKE
Doktora
Türkçe
2024
Enerjiİskenderun Teknik ÜniversitesiEnerji Sistemleri Ana Bilim Dalı
PROF. DR. TOLGA DEPCİ
DOÇ. DR. BARIŞ ÇUKURBAŞI
- Energy demand forecasting in fog computing based microgrids using ensemble learning
Sis bilişimi tabanlı mikro şebekelerde topluluk öğrenme ile enerji talep tahmini
TUĞÇE KESKİN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- 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
- Rüzgar hızı tahmin yöntemleri - örnek bir uygulama
Wind speed forcasting methods – a sample application
SERKAN ŞENKAL
Yüksek Lisans
Türkçe
2014
Bilim ve TeknolojiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN ÖZGÖNENEL