Derin öğrenme ve istatistiksel modellerle operasyonel rüzgar enerjisi tahmini: Batman içinn LSTM, ANN ve ARIMA uygulaması

Abstract

Kısa vadeli rüzgâr tahmini, hem enerji sistemlerinin sürekliliği hem de havacılık operasyonlarının emniyeti açısından kritik öneme sahip meteorolojik bir süreçtir. Enerji üretiminde rüzgâr şiddetindeki kısa süreli dalgalanmalar, şebeke kararlılığında ani değişimlere neden olabilmekte; havacılık alanında ise özellikle yüzeye yakın atmosferde meydana gelen wind shear, low-level jet, ani yön dönüşleri ve konvektif kaynaklı hız sıçramaları gibi olaylar operasyonel güvenliği doğrudan etkilemektedir. Bu değişkenliğin doğru şekilde modellenebilmesi, özellikle topoğrafik olarak karmaşık ve mevsim geçişlerinin belirgin olduğu bölgelerde daha büyük önem taşımaktadır. Batman Meydanı da plato yüzeyi, vadi etkileri, pürüzlülük geçişleri ve konvektif süreçler nedeniyle kısa vadeli rüzgâr tahmininde yüksek belirsizlik içeren bir mikro-ölçek atmosferik ortama sahiptir. Bu nedenle Batman için saha bazlı, çok-ölçekli ve yüksek çözünürlüklü modelleme çalışmaları hem bilimsel hem operasyonel açıdan önemli bir gerekliliktir. Bu çalışmada, Batman Meydan Meteoroloji İstasyonu'nda gözlenen yüksek çözünürlüklü rüzgâr verileri kullanılarak, üç farklı zaman serisi modelinin Otoregresif Bütünleşik Hareketli Ortalama Modeli (ARIMA), Yapay Sinir Ağları (ANN) ve Uzun Kısa Süreli Bellek (LSTM) kısa vadeli tahmin performansları kapsamlı biçimde değerlendirilmiştir. Çalışma, mevsim geçiş dönemlerini temsil eden beş farklı tarih aralığını kapsamakta olup, her dönem rüzgârın hem kararlı hem de ani değişim gösterdiği koşulları içermesi bakımından kısa vadeli model davranışlarının karşılaştırılması için geniş bir çerçeve sunmaktadır. Ham rüzgâr verileri Meteoroloji Genel Müdürlüğü veri standartları doğrultusunda kalite kontrolden geçirilmiş; hatalı veriler düzeltilmiş, eksik kayıtlar uygun yöntemlerle işlenmiş ve ardından operasyonel tahminlerde kullanılan beş farklı zaman çözünürlüğüne (1, 5, 10, 30 ve 60 dakika) yeniden örneklenmiştir. Böylece rüzgârın mikro ölçekten saatlik ölçeğe kadar değişen dinamik yapısı hem modellerin doğruluğu hem de ölçek duyarlılığı açısından sistematik olarak incelenebilmiştir. Modelleme sürecinde üç yöntem birbirinden bağımsız olarak eğitilmiş ve aynı dönemlere ait METAR tahakkuk verileri ile TAF/SHT tahminleri üzerinden kapsamlı bir performans değerlendirmesi yapılmıştır. ARIMA modeli, doğrusal zaman serisi yapısını temsil etmesi bakımından temel bir kıyaslama aracı olarak kullanılmış; ANN modeli doğrusal olmayan ilişkileri öğrenme kapasitesi, LSTM modeli ise ardışık bağımlılıkları koruyabilme yeteneği açısından analiz edilmiştir. Tüm modellerin performansı ortalama mutlak hata (MAE), kök ortalama kare hata (RMSE) ve determinasyon katsayısı (R²) ölçütleri kullanılarak değerlendirilmiş; böylece hem hata miktarı hem de hata davranışının zaman ölçeklerine göre değişimi ayrıntılı biçimde ortaya konmuştur. Elde edilen bulgular, ANN modelinin tüm zaman çözünürlüklerinde en düşük hata değerlerini üreterek istikrarlı bir performans gösterdiğini ve hem kararlı hem değişken rüzgâr koşullarında güçlü bir tahmin yeteneği sunduğunu ortaya koymaktadır. LSTM modeli, özellikle kısa zaman aralıklarında (1–5 dakika) ani hızlanmaları ve rüzgâr serisindeki yüksek frekanslı dalgalanmaları yakalamada başarılı olmuş; konvektif geçişlerin etkili olduğu zaman dilimlerinde ARIMA modeline göre belirgin bir doğruluk artışı sağlamıştır. Buna karşın ARIMA modeli, daha stabil atmosferik koşullarda kabul edilebilir performans üretse de, konvektif süreçlerin ve topoğrafya kaynaklı kanalizasyonun baskın olduğu dönemlerde hata seviyeleri artmış ve değişken rüzgâr yapısını temsil etmekte yetersiz kalmıştır. Ayrıca çözünürlükler karşılaştırıldığında, yüksek çözünürlüklü verilerde (1 ve 5 dakika) ANN ve LSTM gibi veri odaklı modellerin avantajı daha belirgin olurken, zaman adımı uzadıkça modeller arasındaki farkın azaldığı gözlenmiştir. Bu sonuçlar, özellikle 1–5 dakikalık çözünürlüklerde ANN ve LSTM modellerinin performansı, havacılık operasyonlarında kritik öneme sahip yüzeye yakın rüzgârın daha doğru temsil edilmesine katkı sağlamaktadır. Bu durum, yaklaşma ve kalkış aşamalarında karşılaşılan ani rüzgâr değişimlerinin daha erken ve güvenilir tahmin edilmesine olanak tanıyarak operasyonel emniyet düzeyini artırmaktadır. Enerji sektörü açısından değerlendirildiğinde ise daha isabetli kısa vadeli tahminler, rüzgâr üretimindeki dalgalanmaların daha iyi yönetilmesine, rezerv kapasite planlamasının iyileştirilmesine ve şebeke stabilitesinin korunmasına yardımcı olmaktadır. Sonuç olarak bu tez, Batman Meydanı için çok ölçekli (çeşitli zaman aralıkları, farklı meteorolojik değişkenler) rüzgâr tahmini üzerine gerçekleştirilen kapsamlı bir değerlendirme sunmakta; farklı zaman çözünürlüklerinde uygulanan üç modelin performansını sistematik bir çerçevede karşılaştırarak bölgeye özgü kısa vadeli tahmin dinamiklerini ortaya koymaktadır. Tez bulguları, hem havacılık hem enerji sistemleri açısından operasyonel karar süreçlerini destekleyen nitelikte olup, yüksek çözünürlüklü rüzgâr verileri ile modern veri odaklı modellerin birlikte kullanılmasının kısa vadeli tahminlerde önemli kazanımlar sağlayabileceğini göstermektedir. Elde edilen sonuçlar, Batman özelinde kısa vadeli rüzgâr tahmininin ölçek duyarlılığını ortaya koyarak, operasyonel havacılık meteorolojisi ve rüzgâr enerjisi uygulamaları için karar destek niteliği taşıyan önemli bulgular sunmaktadır.