Makine öğrenmesi teknikleri kullanarak yenilenebilir enerji güç üretim tahmini ve optimum hibrit güç sistemi tasarımı
Yükleniyor...
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Niğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, öncelikle Türkiye'deki çeşitli lokasyonlar için meterolojik ölçüm istasyonlarından alınan rüzgar hızı ve güneş radyasyonu gibi meteorolojik veriler kullanarak çeşitli makine öğrenmesi metotlarıyla rüzgar ve güneş gücü için kısa ve uzun dönem tahminleri yapılmış, daha sonra belirli bir yük talebi oluşturularak yine Türkiye'de ki farklı noktalarda kurulacağı düşünülen hibrit yenilenebilir enerji güç üretim sistemlerinin optimal boyutlarının belirlenmesi, Güç Tedariki Kaybı Olasılığı güvenilirlik göstergesi ile minimum bir değere getirilmiş maliyet değeri göz önünde bulundurularak zaman serisi analizi metoduyla deterministik bir yaklaşımla ve ayrıca yapay zeka yöntemleri kullanılarak yapılmıştır. Bu tez çalışması kapsamında geliştirilen rüzgar ve güneş enerjisi güç tahmini için kullanılan makine öğrenmesi modellerinin yüksek performansa sahip oldukları ve gerçek değerlere oldukça yakın sonuçlar üretebildikleri görülmüştür. Diğer taraftan belirlenen yük talebine göre kullanılan optimizasyon algoritmalarının farklı karakteristikteki lokasyonlar için en optimum sistem tasarımını başarıyla üretmişlerdir.
In this study, first of all, meteorological data, such as wind speed and solar irradiation, which are obtained from meteorological observation stations for different locations in Turkey are used for long term forecasting wind and solar energy power using machine learning methods, and then a load demand is generated and optimum sizing of hybrid renewable energy power production systems are performed using Loss of Power Supply Probability confidence measure and minimum cost of energy for potential establishment in two different locations from Turkey. For optimum sizing of the systems, a grid-search based deterministic algorithm is proposed and also artificial intelligence methods are used. The machine learning models on this thesis study that are used for wind and solar energy power forecasting have high performance and are close to the real values. On the other hand, the optimization algorithms could successfully produce optimum system sizing for a given load demand for locations that have different characteristics.
In this study, first of all, meteorological data, such as wind speed and solar irradiation, which are obtained from meteorological observation stations for different locations in Turkey are used for long term forecasting wind and solar energy power using machine learning methods, and then a load demand is generated and optimum sizing of hybrid renewable energy power production systems are performed using Loss of Power Supply Probability confidence measure and minimum cost of energy for potential establishment in two different locations from Turkey. For optimum sizing of the systems, a grid-search based deterministic algorithm is proposed and also artificial intelligence methods are used. The machine learning models on this thesis study that are used for wind and solar energy power forecasting have high performance and are close to the real values. On the other hand, the optimization algorithms could successfully produce optimum system sizing for a given load demand for locations that have different characteristics.
Açıklama
Anahtar Kelimeler
Rüzgar Enerjisi, Güneş Enerjisi, Makine Öğrenmesi, Optimal Sistem Tasarımı, Optimizasyon Algoritmaları, Wind Energy, Solar Energy, Machine Lerning, Optimal design, Optimization algorithms
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Demollı, H. (2020). Makine öğrenmesi teknikleri kullanarak yenilenebilir enerji güç üretim tahmini ve optimum hibrit güç sistemi tasarımı. (Doktora Tezi) Niğde Ömer Halisdemir Üniversitesi, Fen Bilimleri Enstitüsü, Niğde
