Rüzgar Hızının Sinirsel Bulanık Yöntemle Tahmini

Abstract

Şebekede artan rüzgar gücü miktarı ve rüzgar hızının aralıklarla esen değişken yapısı sebebiyle yeni problemler ortaya çıkmaktadır. İyi bir tahmin sistemin kurulması bu problemlerin aşılmasında kilit rol oynamaktadır. Çalışmanın amacı geçmiş dönemlere ait veriler bulunduğunda oluşturulabilecek hızlı ve etkili bir yöntem olan sinirsel bulanık yöntemin tahmin performansının değerlendirilmesidir. Bu çalışmada Bandırma ilçesinde, WGS 84 koordinat sisteminde E 27° 50 17,1 boylam ,N 40° 20 04,9 bulunan, Edincik köyüne ait rüzgar hızı, yön değerleri alınarak Şah Rüzgar Enerji Santrali için rüzgar hızı tahmini yapılmaktadır. Tahmin metodunda bulanık mantık tipi olarak “Takagi Sugeno Kank (TSK)” olarak seçilmiştir. Yön - rüzgar hızı, rüzgar hızı - yön - sıcaklık girdi olarak alınarak 2 adet model oluşturulmuştur. Her bir girdi için 3 er adet üyelik fonksiyonu alınmış, üyelik fonksiyonları ise gauss üyelik fonksiyonu olarak seçilmiştir. Bulanık kural tabanları elde edilen geçmiş veriler altında oluşturularak üyelik fonksiyonları bu verilere dayanarak adapte edilmiştir. MatLab 2012 programının ANFIS arayüzünde, 08.07.2008- 07.07.2009 tarihinde elde edilen geçmiş veriler kullanılarak, sinirsel bulanık yöntem ile eğitilmiştir. Eğitilmiş veriler 13.09.2009-17.09.2009 arasında elde edilen verilerle aşırı uyumlu olma durumu kontrol edilmiştir. Eğitilmiş veriler tarafından oluşturulan modeller, Bandırma bölgesine ait Edincik’ten alınan verilere dayanarak, Şah Rüzgar Enerji Santrali’nde rastgele seçilen 48 saatlik zaman aralığında (17.09.2009- 19.09.2009) rüzgar hızı tahmin edilerek hata oranları bulunmuştur. Kuadratik hata (RMSE) ve ortalama mutlak yüzde hata (MAPE) değerlerine göre modeller birbiri ile karşılaştırılmıştır. Sinirsel bulanık yöntem kullanılarak oluşturulan 2 model de süreklilik metoduna göre daha başarılı ve kullanılabilir olduğu gösterilmiştir.

Increased power amount in the grid, has caused new challenges recently. Accurate power prediction model is really important to overcome these challenges. The aim of the study is evaluating the performance of fast and effective model via Adaptive Neural Fuzzy Inference System (ANFIS) when you have past data for wind energy power plants. In this study Edincik wind power plant which is located E 27° 50 17,1 , N 40° 20 04,9 coordinates according to WGS 84. The past data of the power plant which includes wind speed and wind direction has been used to predict ŞAH wind power plant which is located on N 40°22 24.84 - E 28°13 12.82 coordinates. The prediction model’s fuzzy part is based on Takagi Sugemo Kank (TSK) fuzzy model. Wind direction - wind speed, wind direction-wind speed-temperature has been taken to the account as an input for 2 models. Each input has 3 membership functions, for each function has been chosen Gaussian membership function. MatLab 2012’s ANFIS interface has been used to train datas which are measured between 08.07.2008-07.07.2009. In addition that fuzzy rules has been regenerated according to past trained datas. After that trained model has been checked datas between 13.09.2009-17.09.2009 to control whether overfitting has occurred. The trained models have been used to predict random 48 hours between 17.09.2009-19.09.2009. Errors have been compared using statistical methods via Root Mean Squared Error (RMSE) and Mean Absolute Percentage Error (MAPE). As a result of it, the proposed both ANFIS models have been found more successful and considerable than persistence method.