Rüzgar hızının ve rüzgar santrallerinin üretimlerinin istatistiksel yöntemler ile tahmini
Yükleniyor...
Dosyalar
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Bursa Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez çalışması, rüzgar enerjisi santrallerinin üretimleri ile ilgili parametrelerin tahmin edilmesine odaklanmaktadır. Rüzgar enerjisi, küresel ısınmayı en aza indirmek için sürdürülebilir bir çözüm olarak kabul edilmektedir. Ancak, rüzgar karakteristiklerinin öngörülemezliği nedeniyle rüzgar hızının doğru tahmin edilmesi büyük önem taşımaktadır. Bu çalışma, rüzgar enerjisi santrallerinin üretim verilerini ve rüzgar hızını daha etkili bir şekilde anlamak ve tahmin etmek amacıyla yapılmıştır. Verilerin tahmin edilmesinde Box-Jenkins ve Regresyon yöntemleri, Minitab programında kullanılmıştır. Box-Jenkins yöntemi, gelecekteki üretimi tahmin etme yeteneğiyle öne çıkmaktadır. Bu yöntem, geçmiş verilerin analiz edilmesi ve gelecek üretim projeksiyonlarının oluşturulması yoluyla rüzgar santrallerinin ekonomik katkılarını değerlendirmektedir. Regresyon analizi ise, rüzgar hızı verilerinin farklı zaman dilimlerinde ve gecikmelerle nasıl ilişkilendiğini anlamak için kullanılmıştır. Bu analiz, rüzgar hızının üretim üzerindeki etkilerini belirlemeye yönelik önemli bilgiler sağlamaktadır. Çalışmada, rüzgar hızı verileri dört farklı aylar (Ocak, Nisan, Temmuz, Ekim) ve farklı saatlerde (24, 48, 72, 120) gibi farklı gecikmeleri alınarak tahmin edilmiştir. Ayrıca, Regresyon yöntemi, Box-Jenkins modeli ile birleştirilerek daha kapsamlı bir tahmin modeli oluşturmuştur. Farklı aylar ve saatlerde alınan veriler üzerinden yapılan tahminlerin doğruluğu, çalışmanın başarısını değerlendirmek için kullanılan ölçütlerle, yani Ortalama Mutlak Yüzde Hata (MAPE) ve Ortalama Kare Hata (MSE) ile belirlenmiştir. Bu değerlendirmeler, kullanılan istatistiksel yöntemlerin tahmin yeteneklerini objektif bir şekilde değerlendirmek için önemli bir rol oynamıştır. Bu tez, rüzgar enerjisi santrallerinin üretimlerinin ve rzgar hızının tahmin edilmesi konusunda önemli bir katkı sağlamaktadır. Rüzgar enerjisi, sürdürülebilir bir enerji kaynağı olarak gelecekteki enerji ihtiyaçlarını karşılamak için büyük potansiyele sahiptir. Bu nedenle, rüzgar enerjisi santrallerinin verimli bir şekilde çalışması için doğru bir şekilde tahmin edilmesi, enerji sektörü ve çevre politikaları açısından büyük önem taşımaktadır. Sonuç olarak, bu tez çalışması rüzgar enerjisi santrallerinin üretim verilerinin tahmin edilmesi ve değerlendirilmesi konusunda önemli bir adım olmuştur. Box-Jenkins ve Regresyon yöntemlerinin kullanılması, rüzgar enerjisi santrallerinin gelecekteki performansının ve ekonomik katkılarının daha iyi anlaşılmasına yardımcı olacaktır. Bu tezde ayrıca, MATLAB kullanılarak tahmin edilen rüzgar hızı ile gerçek rüzgar hızını karşılaştırarak, aynı şekilde dört farklı aylar ve farklı zaman dilimlerinde (yani gecikmelerde), rüzgar santralin üretim gücünün de elde etmiş olduğumuz sonuçlarını içermektedir. Bu karşılaştırmada daha iyi bir sonuç elde etmek için, Soma rüzgar santralin kurulu gücü 288 MW, örnek alınmıştır, buna göre Ocak, Nisan, Temmuz ve Ekim aylarından farklı saatler ve gecikmeler kullanılarak MATLAB üzerinde gerçek ve tahmini rüzgar hızlarını kullanarak güç üretimini göstermektedir. Sonuclara göre, rüzgar santrallerinin enerji talebinin yoğun olduğu saatlerde maksimum verimlilikle çalışmasını sağlamak için stratejiler geliştirmeye yönelik önemli bir adım olarak değerlendirilebilir.
This thesis focuses on the prediction of parameters related to the production of wind power plants. Wind energy is recognized as a sustainable solution to minimize global warming. However, accurate prediction of wind speed is crucial due to the unpredictability of wind characteristics. This study aims to better understand and predict the production data of wind energy power plants. Box-Jenkins and regression methods were used with the Minitab program for data prediction. The Box-Jenkins method is characterized by its ability to predict future production and evaluate the economic contributions of wind turbines by analyzing past data and creating future production projections. Regression analysis was used to understand how wind speed data correlates at different time intervals and lags, providing critical insight into the impact of wind speed on production. The study predicted wind speed data for different months (January, April, July, October) and different hours (24, 48, 72, 120) with different delays. In addition, the regression method was combined with the Box-Jenkins model to form a comprehensive prediction model. To evaluate the success of the study, the accuracy of the forecasts based on data from different months and time periods was determined using criteria such as Mean Absolute Error (MAPE) and Mean Squared Error (MSE). These evaluations played an important role in objectively assessing the predictive ability of the statistical methods used. This thesis makes a significant contribution to the prediction of the production of wind power plants. Wind energy has significant potential as a sustainable energy source to meet future energy needs. Therefore, efficient operation of wind power plants and accurate prediction of their economic impacts are crucial for the energy sector and environmental policies. In conclusion, this thesis is a significant step towards predicting the production data and evaluating the wind energy power plants outptu. The use of Box-Jenkins and regression methods will contribute to a better understanding of the future performance and economic contributions of wind power plants. In addition, the thesis includes a comparison between predicted and actual wind speeds using MATLAB. Similarly, the results of power generation from the Soma wind power plant with an installed capacity of 288 MW are presented. Using different hours and delays in January, April, July, and October, the MATLAB comparison shows actual and predicted wind speeds and power production. Based on the results, developing strategies to ensure optimal efficiency of wind power plants during peak energy demand hours can be considered as an important step forward.
This thesis focuses on the prediction of parameters related to the production of wind power plants. Wind energy is recognized as a sustainable solution to minimize global warming. However, accurate prediction of wind speed is crucial due to the unpredictability of wind characteristics. This study aims to better understand and predict the production data of wind energy power plants. Box-Jenkins and regression methods were used with the Minitab program for data prediction. The Box-Jenkins method is characterized by its ability to predict future production and evaluate the economic contributions of wind turbines by analyzing past data and creating future production projections. Regression analysis was used to understand how wind speed data correlates at different time intervals and lags, providing critical insight into the impact of wind speed on production. The study predicted wind speed data for different months (January, April, July, October) and different hours (24, 48, 72, 120) with different delays. In addition, the regression method was combined with the Box-Jenkins model to form a comprehensive prediction model. To evaluate the success of the study, the accuracy of the forecasts based on data from different months and time periods was determined using criteria such as Mean Absolute Error (MAPE) and Mean Squared Error (MSE). These evaluations played an important role in objectively assessing the predictive ability of the statistical methods used. This thesis makes a significant contribution to the prediction of the production of wind power plants. Wind energy has significant potential as a sustainable energy source to meet future energy needs. Therefore, efficient operation of wind power plants and accurate prediction of their economic impacts are crucial for the energy sector and environmental policies. In conclusion, this thesis is a significant step towards predicting the production data and evaluating the wind energy power plants outptu. The use of Box-Jenkins and regression methods will contribute to a better understanding of the future performance and economic contributions of wind power plants. In addition, the thesis includes a comparison between predicted and actual wind speeds using MATLAB. Similarly, the results of power generation from the Soma wind power plant with an installed capacity of 288 MW are presented. Using different hours and delays in January, April, July, and October, the MATLAB comparison shows actual and predicted wind speeds and power production. Based on the results, developing strategies to ensure optimal efficiency of wind power plants during peak energy demand hours can be considered as an important step forward.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
