Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: HARUN SUNGUR
Danışman: Hatice Çıtakoğlu
Özet:
Ülkemizde 2023 yılında elektrik üretimindeki yenilenebilir enerji kaynakları payının yaklaşık %30’a yükselmesi öngörülmüştür. Rüzgâr enerjisinin yenilenebilir enerji kaynakları içindeki payının artmasıyla özellikle Türkiye gibi önemli iklim farklılıkları olan bölgelerde rüzgâr hızı tahmini, rüzgâr çiftliklerinin rüzgâr enerjisi kaynağı olarak değerlendirmesinde en etkili faktördür. Rüzgâr enerjisi entegrasyonunun güvenliği için doğru rüzgâr hızı tahmini gerekmektedir. Rüzgâr hızını doğru bir şekilde tahmin etmek ve değişim belirsizliğinin üstesinden gelmek için son yıllarda birçok rüzgâr hızı tahmin yöntemi önerilmiştir. Günümüzde ortaya çıkan hibrit modeller, gelişmiş modeller olup diğerlerine göre daha az hataya sahiptir. Bu nedenle rüzgâr hızı tahmininde Varyasyonel Mod Ayrıştırma sinyal işleme tekniği ile Gauss Süreç Regresyonu makine öğrenme yöntemi birleştirilerek hibrit bir rüzgâr hızı tahmin çalışması yapılmıştır. Çalışmada Meteoroloji Genel Müdürlüğünden elde edilen Sivas ilindeki 5 ilçede yer alan Sivas Merkez, Suşehri, Kangal, Divriği ve Gemerek istasyonlarının rüzgâr hızı değerleri kullanılmıştır. Her bir istasyona ait veriler Varyasyonel Mod Ayrıştırma tekniği ile bileşenlerine ayrılmıştır. Bileşenlerine ayrılan her bir veri setinden giriş kombinasyonu oluşturularak Gauss Süreç Regresyonu modeli ile rüzgâr hızı tahmini yapılmıştır. Daha sonra tahminde başarılı kombinasyona göre Destek Vektör Makineleri modeli ile tahmin çalışması yapılmıştır. Ayrıca, Uzun Kısa Dönemli Hafıza modeli ile de tahmin çalışması yapılarak 3 modelin sonuçları karşılaştırılmıştır. Modellerin analizi sonucunda sayısal hata kriterleri ile saçılma diyagramı, Taylor diyagramı ve box-plot diyagramı değerlendirilmesiyle modellerin tahmin başarısı ortaya konmuştur. Performans değerlendirmesi neticesinde rüzgâr hızı tahmini için hibrit Gauss Süreç Regresyonu modelinin, hibrit Destek Vektör Makineleri ve Uzun Kısa Dönemli Hafıza modellerine göre daha başarılı olduğu tespit edilmiştir. Kruskall Wallis testi ise hibrit Gauss Süreç Regresyonu modeli tahmin sonuçlarının gözlenen verilerle aynı popülasyondan olduğunu, beklenen ve ölçülen rüzgâr hızı değerleri ortalamalarının gözlenen değerlerden önemli ölçüde farklı olmadığını göstermiş olup, hibrit Gauss Süreç Regresyonu modelinin rüzgâr hızı tahmini için uygulanabilir, geçerli ve alternatif yöntem olduğunu göstermiştir.
Anahtar Kelimeler: Rüzgâr hızı tahmini, Gauss Süreç Regresyonu, Destek Vektör
Makineleri, Uzun Kısa Dönemli Hafıza, Varyasyonel Mod Ayrıştırması.