Year 2021, Volume 14 , Issue 1, Pages 260 - 269 2021-03-31

Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods
Veriye Dayalı Modelleme Yöntemleri Kullanarak Küçük Ölçekli Rüzgar Türbinlerinin Tork Tahmin Tabanlı Performans Analizi

Muhammed Serdar KALELİ [1] , Ali Rıza KALELİ [2] , Cahit YALÇINER [3]


Bu çalışmada, rüzgar türbinlerinin rotor torku, tasarlanan küçük ölçekli Savonius ve dört yaprak rotor için toplanan gerçek zamanlı verilere dayanan makine öğrenme yaklaşımı kullanılarak tahmin edilmiştir. Uç hız oranı (TSR), makine öğrenimi modelleme tekniğinde doğrusal regresyon (LR), destek vektör makinesi (SVM) regresyonu ve Gauss işlemi (GP) regresyon yöntemlerinde ana giriş parametresi olarak seçilmiştir. Bu modellerin hiperparametreleri ızgara arama yöntemi ile tanımlanmıştır. RMSE, R2, MSE ve MAE, modellerin deneysel verilere tahimin performansını değerlendirmek için kullanılmıştır. Rotor tork modelleme sonuçları, rüzgar türbinlerinin verimliliğinin modellerin yüksek tahmin doğruluğu ile en üst düzeye çıkarılabileceğini göstermiştir. Öte yandan, Savonius tipi rüzgar türbininin torkunun dört yapraklı türbinden daha yüksek olduğu gözlemlenmiştir.
Bu çalışmada, rüzgar türbinlerinin rotor torku, tasarlanan küçük ölçekli Savonius ve dört yaprak rotor için toplanan gerçek zamanlı verilere dayanan makine öğrenme yaklaşımı kullanılarak tahmin edilmiştir. Uç hız oranı (TSR), makine öğrenimi modelleme tekniğinde doğrusal regresyon (LR), destek vektör makinesi (SVM) regresyonu ve Gauss işlemi (GP) regresyon yöntemlerinde ana giriş parametresi olarak seçilmiştir. Bu modellerin hiperparametreleri ızgara arama yöntemi ile tanımlanmıştır. RMSE, R2, MSE ve MAE, modellerin deneysel verilere tahimin performansını değerlendirmek için kullanılmıştır. Rotor tork modelleme sonuçları, rüzgar türbinlerinin verimliliğinin modellerin yüksek tahmin doğruluğu ile en üst düzeye çıkarılabileceğini göstermiştir. Öte yandan, Savonius tipi rüzgar türbininin torkunun dört yapraklı türbinden daha yüksek olduğu gözlemlenmiştir.
  • Al-Shamisi, M. H., Assi, A. H., & Hejase, H. A. N. (2013). Artificial neural networks for predicting global solar radiation in Al Ain City - UAE. International Journal of Green Energy, 10(5), 443–456. https://doi.org/10.1080/15435075.2011.641187
  • Fujisawa, N., & Gotoh, F. (1994). Experimental study on the aerodynamic performance of a Savonius rotor.
  • Gasch, R., & Twele, J. (2012). Wind power plants: Fundamentals, design, construction and operation, second edition. In Wind Power Plants: Fundamentals, Design, Construction and Operation, Second Edition. https://doi.org/10.1007/978-3-642-22938-1
  • GWEC (Global Wind Energy Council). (2017). Global Wind Report 2016. In Wind energy technology.
  • Hafner, M., & Isermann, R. (2003). Multiobjective optimization of feedforward control maps in engine management systems towards low consumption and low emissions. Transactions of the Institute of Measurement and Control, 25(1), 57–74. https://doi.org/10.1191/0142331203tm074oa
  • Hayashi, T., Li, Y., & Hara, Y. (2005). Wind tunnel tests on a different phase three-stage Savonius rotor. JSME International Journal, Series B: Fluids and Thermal Engineering, 48(1), 9–16. https://doi.org/10.1299/jsmeb.48.9
  • Kalogirou, S. A. (2000, December 1). Artificial neural networks in renewable energy systems applications: A review. Renewable and Sustainable Energy Reviews, Vol. 5, pp. 373–401. https://doi.org/10.1016/S1364-0321(01)00006-5
  • Kawamura T., Hayashi T., & Miyashita, K. (2001). Application of the Domain Decomposition Method to the Flow around the Savonius Rotor. Proc. of the 12th International Conference on Domain Decomposition Methods, 393–400.
  • McWilliam, M., & Johnson, D. A. (2008). Velocity measurement of flow around model vertical axis wind turbines. International Journal of Green Energy, 5(1–2), 55–68. https://doi.org/10.1080/15435070701845691
  • Russell, S., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach, Global Edition. Pearson Education Limited.
  • Sargolzaei, J., & Kianifar, A. (2009). Modeling and simulation of wind turbine Savonius rotors using artificial neural networks for estimation of the power ratio and torque. Simulation Modelling Practice and Theory, 17(7), 1290–1298. https://doi.org/10.1016/j.simpat.2009.05.003
  • Shah, N., Zhao, P., Delvescovo, D., & Ge, H. (2019). Prediction of autoignition and flame properties for multicomponent fuels using machine learning techniques. SAE Technical Papers, 2019-April(April). https://doi.org/10.4271/2019-01-1049
  • Wenehenubun, F., Saputra, A., & Sutanto, H. (2015). An experimental study on the performance of Savonius wind turbines related with the number of blades. Energy Procedia, 68, 297–304. https://doi.org/10.1016/j.egypro.2015.03.259
Primary Language en
Subjects Engineering
Journal Section Makaleler
Authors

Orcid: 0000-0001-7771-2995
Author: Muhammed Serdar KALELİ
Institution: ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ, ÇAN MESLEK YÜKSEKOKULU
Country: Turkey


Orcid: 0000-0002-3234-5922
Author: Ali Rıza KALELİ (Primary Author)
Institution: SAMSUN ÜNİVERSİTESİ
Country: Turkey


Orcid: 0000-0003-0470-303X
Author: Cahit YALÇINER
Institution: ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ, ÇAN MESLEK YÜKSEKOKULU
Country: Turkey


Thanks This study was produced from part of the first author’s mater thesis “Comparison Of Wind Energy Production Species On Micro Models” was produced which accepted by Graduate School of Natural and Applied Sciences, Çanakkale Onsekiz Mart University in 2018.
Dates

Publication Date : March 31, 2021

Bibtex @research article { erzifbed758924, journal = {Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi}, issn = {1307-9085}, eissn = {2149-4584}, address = {}, publisher = {Erzincan University}, year = {2021}, volume = {14}, pages = {260 - 269}, doi = {10.18185/erzifbed.758924}, title = {Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods}, key = {cite}, author = {Kaleli, Muhammed Serdar and Kaleli, Ali Rıza and Yalçıner, Cahit} }
APA Kaleli, M , Kaleli, A , Yalçıner, C . (2021). Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods . Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi , 14 (1) , 260-269 . DOI: 10.18185/erzifbed.758924
MLA Kaleli, M , Kaleli, A , Yalçıner, C . "Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods" . Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi 14 (2021 ): 260-269 <https://dergipark.org.tr/en/pub/erzifbed/issue/61106/758924>
Chicago Kaleli, M , Kaleli, A , Yalçıner, C . "Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods". Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi 14 (2021 ): 260-269
RIS TY - JOUR T1 - Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods AU - Muhammed Serdar Kaleli , Ali Rıza Kaleli , Cahit Yalçıner Y1 - 2021 PY - 2021 N1 - doi: 10.18185/erzifbed.758924 DO - 10.18185/erzifbed.758924 T2 - Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi JF - Journal JO - JOR SP - 260 EP - 269 VL - 14 IS - 1 SN - 1307-9085-2149-4584 M3 - doi: 10.18185/erzifbed.758924 UR - https://doi.org/10.18185/erzifbed.758924 Y2 - 2020 ER -
EndNote %0 Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods %A Muhammed Serdar Kaleli , Ali Rıza Kaleli , Cahit Yalçıner %T Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods %D 2021 %J Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi %P 1307-9085-2149-4584 %V 14 %N 1 %R doi: 10.18185/erzifbed.758924 %U 10.18185/erzifbed.758924
ISNAD Kaleli, Muhammed Serdar , Kaleli, Ali Rıza , Yalçıner, Cahit . "Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods". Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi 14 / 1 (March 2021): 260-269 . https://doi.org/10.18185/erzifbed.758924
AMA Kaleli M , Kaleli A , Yalçıner C . Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods. Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2021; 14(1): 260-269.
Vancouver Kaleli M , Kaleli A , Yalçıner C . Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods. Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2021; 14(1): 260-269.
IEEE M. Kaleli , A. Kaleli and C. Yalçıner , "Torque Prediction Based Performance Analysis of Small-Scale Wind Turbines Using Data Driven Modelling Methods", Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol. 14, no. 1, pp. 260-269, Mar. 2021, doi:10.18185/erzifbed.758924