Makine öğrenmesi teknikleri kullanarak yenilenebilir enerji güç üretim tahmini ve optimum hibrit güç sistemi tasarımı

Basit Öğe Kaydı
dc.contributor.advisorGökçek, Murat
dc.contributor.advisorDokuz, Ahmet Şakir
dc.contributor.authorDemollı, Halıl
dc.date.accessioned2021-05-31T10:43:04Z
dc.date.available2021-05-31T10:43:04Z
dc.date.issued2020
dc.date.submitted2020-02
dc.departmentNiğde ÖHÜ, Fen Bilimleri Enstitüsü, Makine Mühendisliği Ana Bilim Dalı
dc.description.abstractBu 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.
dc.description.abstractIn 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.
dc.identifier.citationDemollı, 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
dc.identifier.urihttps://hdl.handle.net/11480/7620
dc.identifier.yoktezid623617
dc.language.isotr
dc.publisherNiğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectRüzgar Enerjisi
dc.subjectGüneş Enerjisi
dc.subjectMakine Öğrenmesi
dc.subjectOptimal Sistem Tasarımı
dc.subjectOptimizasyon Algoritmaları
dc.subjectWind Energy
dc.subjectSolar Energy
dc.subjectMachine Lerning
dc.subjectOptimal design
dc.subjectOptimization algorithms
dc.titleMakine öğrenmesi teknikleri kullanarak yenilenebilir enerji güç üretim tahmini ve optimum hibrit güç sistemi tasarımı
dc.title.alternativeRenewable energy power generation forecasting and optimal hybrid power system design using machine learning techniques
dc.typeDoctoral Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Makine öğrenmesi teknikleri kullanarak yenilenebilir enerji güç üretim tahmini ve optimum hibrit güç sistemi tasarımı.pdf
Boyut:
6.52 MB
Biçim:
Adobe Portable Document Format
Açıklama:
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu