Yenilenebilir enerji üretim santrallerinde gün öncesi üretim tahmininin makine öğrenimi algoritmaları ile karşılaştırmalı analizi
Comparative analysis of day-ahead production forecasting in renewable energy power plants using machine learning algorithms
- Tez No: 988411
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖMÜR AKYAZI
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Enerji Sistemleri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında; güneş, rüzgâr ve hidroelektrik enerji santrallerinde gün öncesi elektrik enerjisi üretim tahmini, yaygın olarak kullanılan makine öğrenmesi yöntemleri ile karşılaştırmalı olarak incelenmiştir. Tahmin modellerinde Meteoroloji Genel Müdürlüğü ve farklı platformlardan sağlanan meteorolojik tahmin verileri ile Arca HES (Trabzon/Of) ve Kangal Hibrit Santrali (Sivas/Gürün)'ne ait 2024 yılı üretim ve SCADA verileri kullanılmıştır. Çalışmada çoklu doğrusal regresyon, XGBoost ve Yapay Sinir Ağları (YSA) yöntemleri uygulanmış; model performansları R², RMSE ve MAPE ölçütleriyle değerlendirilmiştir. Bulgular, GES için güneşlenme süresi ve bulutluluk, RES için rüzgâr hızı, HES için ise yağış ve debinin temel belirleyiciler olduğunu göstermektedir. Sonuçlar, XGBoost'un GES ve RES tahminlerinde, YSA'nın ise HES tahminlerinde daha yüksek doğruluk sağladığını ortaya koymaktadır. Çalışma, yenilenebilir enerji santrallerinin operasyonel planlamasına ve arz-talep dengesinin yönetimine katkı sunmaktadır.
Özet (Çeviri)
In this thesis; day-ahead electricity generation forecasting for solar, wind, and hydroelectric energy power plants is comparatively analyzed using widely adopted machine learning methods. The models are developed based on meteorological forecast data obtained from the Turkish State Meteorological Service and other platforms, along with 2024 generation and SCADA data from the Arca Hydropower Plant (Of, Trabzon) and the Kangal Hybrid Power Plant (Gürün, Sivas). Multiple linear regression, XGBoost, and Artificial Neural Networks (ANN) are employed, and model performances are evaluated using R², RMSE, and MAPE metrics. The results indicate that sunshine duration and cloud cover are key factors for PV forecasts, wind speed for wind power, and precipitation and river discharge for hydropower generation. Overall, XGBoost achieves the highest accuracy for PV and wind power plants, while ANN performs better for hydropower forecasts, providing valuable insights for operational planning and supply–demand optimization in renewable energy systems.
Benzer Tezler
- Effects of geothermal production prediction on the energy market with artificial intelligence methods
Jeotermal üretim tahmininin yapay zeka yöntemleri ile enerji piyasası üzerine etkileri
HAYRİYE ANIL
Yüksek Lisans
İngilizce
2022
EnerjiBahçeşehir ÜniversitesiYapay Zeka Bilim Dalı
DR. ÖĞR. ÜYESİ GÖRKEM KAR
- 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
- Yapay zekâ yöntemleri ile elektrik piyasa takas fiyatının tahmini ve enerji maliyet optimizasyonu
Electricity market clearance price forecast and energy cost optimization with ai methods
MESUT AKSOY
Yüksek Lisans
Türkçe
2023
EnerjiIsparta Uygulamalı Bilimler ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET KABUL
- Elektrik piyasalarında stratejik teklif verme ve davranış analizi
Strategic bidding and behavior analysis in electricity markets
EZGİ POLAT
Doktora
Türkçe
2026
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET GÜRAY GÜLER
DR. ÖĞR. ÜYESİ MEHMET YASİN ULUKUŞ
- Yapay zeka ile hidroelektrik enerji santralleri baraj rezervuarlarının işletilmesi
Operation of hydroelectric power plants dam reservoirs with artificial intelligence
SERKAN İNAL
Yüksek Lisans
Türkçe
2022
EnerjiOrdu ÜniversitesiYenilenebilir Enerji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL AKKAYA OY