Veri madenciliği yöntemiyle rüzgâr enerji potansiyelinin incelenmesi
Investigation of wind energy potential by data mining method
- Tez No: 766524
- Danışmanlar: PROF. ZAFER ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Rüzgâr Enerjisi, Yapay Sinir Ağları, Karekök Hata, Ortalama Karekök Hata, Karar Ağacı, Rastgele Orman, Karekök ortalama, Rastgele ormanlar, Rüzgar enerjisi, Wind energy, Artificial Neural Network, Root Square Error, Root Mean Square Error of Approximation, Decision Tree, Random Forest, Root mean square (RMS), Random forests, Artificial neural networks
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Rüzgâr enerjisi, güvenilir ve uygun maliyetli elektrik sağlama kapasitesi nedeniyle önde gelen yenilenebilir enerji kaynakları arasında yer almaktadır. Rüzgâr enerjisi dönüşüm sistemlerinin karmaşıklığı, ileriye dönük analizlere dayalı yeni tekniklerin geliştirilmesini zorunlu kılmaktadır. Bu çalışmada, Yapay Sinir Ağları (YSA) yöntemi kullanarak Çanakkale İli Baba Burnu bölgesinde 2001, 2002 ve 2003 yıllarına ait rüzgâr enerji potansiyelinin hesaplanmasına yönelik, rüzgâr şiddeti tahmini ile ilgili bir çalışma yapılmış ve gelecekte Çanakkale Baba Burnu civarında rüzgâr enerjisi üretimine yönelik ön bilgi elde edilmiştir. Araştırma çalışması sonucunda, YSA model çıktıları ile gözlenen rüzgâr şiddeti değerleri arasındaki ilişki katsayısının %91 olduğu, α=0,001 güven seviyesinde anlamlı bir ilişki bulunduğu saptanmıştır. 2003 test dönemi için ANN modelinin başarısı irdelenmiş, 10 m yükseklikte rüzgâr şiddeti tahmini ile ilgili RMSE 2,12m/s ve MSE, 4,12 olarak hesaplanmıştır. Araştırma sonucunda, gözlem ve model sonuçları arasında yeterli bir uyum olduğunu göstermektedir. Rastgele Orman ve Karar Ağaçları yöntemlerine göre tahmin sonuçları hesaplanmış, üç yöntemin başarı performansları karşılaştırılmıştır. RMSE ve MSE değerleri Karar Ağaçları yöntemine göre 2,02m/s ve 4,08 olarak belirlenmiştir. Benzer hata değerleri Rastgele Orman yöntemine göre sırası ile 2,13m/s ve 4,56m/s olarak saptanmıştır. Üç tahmin yönteminin genel olarak karşılaştırılmasından, rüzgâr şiddetinin ve enerji potansiyelinin zamansal değişiminin tahmininde her üç yöntemin başarı oranlarının birbirine yakın olduğu, ancak, Yapay Sinir Ağları Yönteminin başarı performansının diğer iki yönteme göre %4 daha yüksek olduğu saptanmıştır.
Özet (Çeviri)
Wind energy is among the leading renewable energy sources due to its capacity to provide reliable and cost-effective electricity. The complexity of wind energy conversion systems necessitates the development of new techniques based on forward-looking analysis. In this study, a study was carried out to calculate the wind energy potential for the years 2001, 2002 and 2003 in the Baba Cape region of Çanakkale by using Artificial Neural Networks (ANN) method, and preliminary information about wind energy production around Çanakkale Baba Cape in the future was obtained. has been done. As a result of the research study, it was determined that the correlation coefficient between the ANN model outputs and the observed wind intensity values was 91%, and there was a significant relationship at the α=0.001 confidence level. The success of the ANN model for the 2003 test period was examined, and the RMSE was calculated as 2.12m/s and the MSE as 4.12 for the wind force prediction at 10 m height. As a result of the research, it shows that there is a sufficient agreement between the observation and model results. The estimation results were calculated according to the Random Forest and Decision Tree methods, and the success performances of the three methods were compared. RMSE and MSE values were determined as 2.02m/s and 4.08 according to the Decision Trees method. Similar error values were determined as 2.13m/s and 4.56m/s, respectively, according to the Random Forest method. Comparing the general comparison of the three estimation methods, the success performance of the Artificial Neural Networks was found to be 4% higher than the other two methods in estimating the temporal variation of wind intensity and energy potential.
Benzer Tezler
- Yeni enerji kaynakları ve total elektrik tüketimi üzerindeki etkisi
New energy resources and effect on total electricity consumption
ÖMER FARUK GÜNDÜZ
Yüksek Lisans
Türkçe
2019
Bilim ve Teknolojiİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- A new data mining based upscaling approach for regional wind power forecasting
Yeni bir veri madenciliği tabanlı bölgesel rüzgar gücü tahmini için yukarı ölçekleme algoritması
MEHMET BARIŞ ÖZKAN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR KARAGÖZ
- Lıfe cycle assessment of green hydrogen productıon vıa electrolysıs
Elektroliz yoluyla yeşil hidrojen üretiminin yaşam döngüsü değerlendirmesi
HAKAN ÇAMUR
Yüksek Lisans
İngilizce
2026
Enerjiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. FİLİZ KARAOSMANOĞLU
DR. ÖĞR. ÜYESİ ASLI İŞLER KAYA
- Python ile makine öğrenmesi algoritmalarını kullanarak rüzgar santralinin elektrik üretim tahmini
Electricity generation prediction of wind farm using machine learning algorithms with python
MUHSİN BAKDEMİR
Yüksek Lisans
Türkçe
2024
EnerjiOrdu ÜniversitesiYenilenebilir Enerji Ana Bilim Dalı
DOÇ. DR. SİBEL AKKAYA OY
- Avdan kömür sahası özelinde çok damarlı kömür kaynaklarının modellenmesi
Modeling of multi-veined coal resources at Avdan coal site
YUSUF TÜRKMEN
Yüksek Lisans
Türkçe
2022
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. CÜNEYT ATİLLA ÖZTÜRK