Rüzgar türbin güçlerinin makine öğrenmesi modelleriyle tahmin edilmesi ve santraldaki konumlarının etkisi

dc.contributor.advisorEskin, Nurdil
dc.contributor.authorKaplan, Buğra
dc.contributor.authorID503191134
dc.contributor.departmentIsı Akışkan
dc.date.accessioned2024-11-05T07:33:24Z
dc.date.available2024-11-05T07:33:24Z
dc.date.issued2023-01-05
dc.descriptionTez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2023
dc.description.abstractFosil yakıt olarak tanımlanan kömür, petrol, doğalgaz gibi enerji kaynaklarının dünya genelindeki miktarlarının sınırlı olmaları ve günden güne azalmaları, enerji üretimi sırasında sebep oldukları sera gazları nedeniyle çevreye verdikleri zararlar, kaynakların eşit olmayan dağılımları ve bölgesel olaylardan kolayca etkilenip teminlerinin zorlaşmaları gibi nedenlerden dolayı insanlık alternatif enerji kaynakları arayışına girmiştir. Bahsedilen olumsuzlukların önüne geçebilecek yenilenebilir enerji kaynaklarından en büyük yükselişi gösteren rüzgâr enerjisi dünyadaki çoğu ülkede olduğu gibi Türkiye'de de önemli bir büyüme göstermektedir. Bu nedenle rüzgâr enerjisinden elektrik enerjisi eldesi için kullanılan rüzgâr santrallerinin sahip oldukları rüzgâr türbinlerinin santral arazisinde en uygun konumlara yerleştirilmeleri ve rüzgâr türbinlerinin üretebilecekleri rüzgâr güçlerinin kurulum aşaması öncesinde değişen hızlarda tahmin edilmeleri rüzgâr enerjisi uygulamaları için oldukça elzem iki konudur. Bu çalışmada Türkiye'de bulunan ve faal olarak elektrik enerjisi üreten bir rüzgâr santralının rüzgâr türbinlerinin verileri kullanılarak rüzgâr türbinlerinin rüzgâr hızlarına bağlı olarak üretebilecekleri güçler yapay zekâ kuramının bir kolu olan makine öğrenmesi modelleriyle tahmin edilmiştir. Makine öğrenmesi modelleri olarak denetimli öğrenme sınıfının topluluk öğrenmesi modelleri ve bireysel öğrenme modelleri dahil olmak üzere toplamda 5 farklı model üzerinde çalışılmış, hiper parametreleri optimize edilmiş ve tahmin modellerinin başarıları 4 farklı başarı ölçüm metriği kullanılarak karşılaştırılmıştır. Çalışmanın sonucunda, makine öğrenmesinin topluluk öğrenmesi ve bireysel öğrenme sınıflarına mensup modellerin çalışma prensiplerine dayanan ve bu çalışma için geliştirilen karma tahmin modeli, %0.36 gibi düşük bir ortalama hataların karesi değeriyle kullanılan veri setinin %99.49'luk kısmını yüksek doğrulukla temsil etmektedir. Bu çalışmanın ikinci kısmında faal olarak elektrik enerjisi üretimine devam eden bir başka rüzgâr santralının verileri kullanılarak, bahsi geçen rüzgâr santralının yıllık enerji üretimini ve yıllık üretebileceği rüzgâr gücünü arttırmak adına rüzgâr türbinlerinin arazi üzerindeki konumlarını belirleyen bir iyileştirme modeli geliştirilmiştir. Geliştirilen modelde rüzgâr türbinlerinin iz bölgelerini incelemek adına Jensen iz modeline bağlı kalınmıştır. Çalışmanın sonucunda, geliştirilen modelin belirlediği konumlara göre yerleştirilecek rüzgâr türbinleri, verileri kullanılan rüzgâr santralının GWh cinsinden yıllık enerji üretimini %2.1 arttırmaktadır.
dc.description.degreeYüksek Lisans
dc.identifier.urihttp://hdl.handle.net/11527/25549
dc.language.isotr
dc.publisherLisansüstü Eğitim Enstitüsü
dc.sdg.typeGoal 7: Affordable and Clean Energy
dc.subjectMakine öğrenmesi
dc.subjectMachine learning
dc.subjectRüzgar santralleri
dc.subjectWind plants
dc.subjectRüzgar türbinleri
dc.subjectWind turbines
dc.titleRüzgar türbin güçlerinin makine öğrenmesi modelleriyle tahmin edilmesi ve santraldaki konumlarının etkisi
dc.title.alternativePrediction of wind turbine power by machine learning models and the effect of their locations in the wind farm
dc.typeMaster Thesis

Dosyalar

Orijinal seri

Şimdi gösteriliyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
Ad:
503191134.pdf
Boyut:
6.75 MB
Format:
Adobe Portable Document Format

Lisanslı seri

Şimdi gösteriliyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
Ad:
license.txt
Boyut:
1.58 KB
Format:
Item-specific license agreed upon to submission
Açıklama