Rüzgar Enerjisinden Elektrik Üretiminin Yapay Sinir Ağları ile Tahmini

Abstract

Bu çalışmada, çeşitli rüzgar türbinleri ile yapay sinir ağları (YSA) modeli oluşturarak rüzgar enerjisi potansiyeli tahmini yapılmıştır. Oluşturulan modelde kullanılacak olan rüzgar hızı verileri test aşamasında, farklı tip rüzgar türbinlerine ait çıkış güçleri ise eğitim aşamasında kullanılmıştır. Uygulama sonrası ortaya çıkan regresyon eğrilerinde oluşturulan modelin yaptığı tahminlerin güvenilir ve tutarlı olduğu anlaşılmıştır. Tahmin sonuçlarına göre seçilen bölgenin rüzgar potansiyelinin oldukça iyi olduğu ve kaliteli türbinlerle yüksek kapasiteli enerji üretiminin sağlanabileceği görülmüştür. Ayrıca enerji sektöründeki uygulamacılar ve karar konumunda olan kişilerin elektrik enerjisi ihtiyacının sürekli arttığı günümüzde, rüzgar enerjisine yönelik çalışmalarında alternatif olarak YSA’nın kolaylıkla kullanabileceği ortaya konmuştur. 

Keywords

• Rüzgar enerjisi,Rüzgar santrali,Rüzgar hızı,Yapay sinir ağı

Estimating Wind Energy Potential by Artificial Neural Networks Method

Abstract

In this study, wind energy potential estimation is made by creating various wind turbines and artificial neural networks (YSA) models. The wind speed data to be used in the model was used during the test phase, while the output powers from different types of wind turbines were used during the training phase. It has been understood that the predictions made by the model created in the regression curves that emerged after the application are reliable and consistent. According to the estimation results, it is seen that the selected zone has very good wind potential and high quality energy production can be achieved with high quality turbines. Moreover, it has been revealed that YSA can easily use alternatives in wind energy applications in the days when the electricity energy needs of the people in the energy sector and the decision makers are constantly increasing. 

Keywords

• Wind energy,Wind power plants,Wind speed,Artificial neural network

References

1. Yağcı E., Rüzgar Hızı Yükseltmelerinde Kullanılan Farklı Yöntemlerin Karşılaştırılması ve Hata Analizleri, Yüksek Lisans Tezi, İstanbul Üniversitesi, Enerji Bilim ve Teknoloji Anabilim Dalı, Enerji Bilim Ve Teknoloji Programı, İstanbul, 2013.
2. Wai, R., J., Wang, W., H., Lin, C., Y., High- Performance Stand-Alone Photovoltaic Generation System, IEEE Transactions On Industrial Electronics, 55(1),240-250, 2008.
3. A. K. Azad, M. G. Rasul, R. Islam, and I. R. Shishir, Analysis of Wind Energy Prospect for Power Generation by Three Weibull Distribution Methods, Energy Procedia, 75, 722-727, 2015.
4. Elibüyük, U., Üçgül, İ., Yakut, A.K., Süleyman Demirel Üniversitesi Rüzgâr Enerjisi Santrali Projesi, Süleyman Demirel Üniversitesi Yekarum e-Dergi, 3(2), 22 – 32, 2016.
5. Da Rosa, A., V., Fundamentals of renewable Energy Processes, 3rd ed. Amsterdam, Netherlands, Elsevier, 2013.
6. İlkiliç, C., Türkbay, İ., Determination and utilization of wind energy potential for Turkey. Renewable and Sustainable Energy Reviews, 14(8), 2202-2207, 2010.
7. Türkiye rüzgar enerjisi istatistik raporu, Türkiye Rüzgar Enerjisi Birliği, http://www.tureb.com.tr, (25.02.2017).
8. Öztemel, E., Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul. 2003.

9. Hamzaçebi, C., Yapay Sinir Ağları: Tahmin Amaçlı Kullanımı Matlab ve Neurosolution Uygulamalı, Ekin Yayınevi, Bursa, 2011.
10. Fausett, L., Fundamentals of Neural Networks: Architectures, Algorithms and Applications, Prentice Hall, New York, 1994.