Mekânsal Nokta Verilerinin Mekânsal İstatistiklerle Analizi: Yenilenebilir Enerji Kaynakları Uygulaması

Year 2025, Volume: 37 Issue: UYIK 2024 Special Issue, 40 - 49

Mehmet Burak Bartan , Günseli Aytaç Cankurtaran Özlem Türkşen

https://doi.org/10.7240/jeps.1527355

Abstract

Araştırma konusuna yönelik olarak elde edilen verinin konum bilgisi içermesi durumunda veri, mekânsal veri olarak adlandırılır. Nokta ve raster biçiminde tanımlanabilen mekânsal verilerin analizinde mekânsal istatistikler kullanılır. Savunma ve bilişim teknolojileri, sağlık, çevre bilimi, yer bilimi, enerji, şehir ve bölge planlama gibi alanlarda mekânsal verilerle sıklıkla karşılaşılır. Bu çalışmada, Türkiye’de yer alan rüzgâr türbinleri ve güneş panellerine ilişkin nokta verilerin mekânsal istatistiklerle analizi yapılmıştır. Enerji Piyasası Düzenleme Kurumu (EPDK) tarafından lisans verilen işletmelerden rüzgâr türbinleri için Çanakkale ili verileri ve güneş panellerine ilişkin ise ülkemizde lisans verilen tüm nokta verileri dikkate alınmıştır. Nokta verilere ilişkin öznitelik için kurulu güç değerleri ile ilgilenilmiştir. Mekânsal Betimsel İstatistikler, Mekânsal Örüntü Analizi, Mekânsal Otokorelasyon Analizi ve Mekânsal Enterpolasyon başlıklarında RStudio programı kullanılarak mekânsal istatistikler elde edilmiştir. Bu mekânsal istatistiklere göre, Türkiye’de yer alan rüzgâr enerji santrali (RES) ve güneş enerji santrali (GES) kurulu güç değerlerinin mekânsal dağılımının rastgele olmadığı görülmüştür. RES’ler ve GES’ler için 10-kat çapraz doğrulama ile Kriging Analizi uygulanarak nokta verilerin kurulu güç değerleri için öngörüler yapılmıştır.

Keywords

Mekânsal Nokta Veri, Mekânsal İstatistiksel Analizler, Yenilebilir Enerji

Thanks

Bu çalışmada yer verilen uygulamaların bir kısmı V. Uluslararası Uygulamalı İstatistik Kongresi (UYİK-2024)’nde sözlü olarak sunulmuştur. Değerli katkıları için Editörlere ve Hakemlere çok teşekkür ederiz.

Analysis of Spatial Point Data with Spatial Statistics: Renewable Energy Resources Application

Abstract

Data is referred to as spatial data if it contains location information relevant to the research issue. The analysis of spatial data, which can be described in raster and point forms, uses spatial statistics. Spatial data is frequently encountered in areas such as defense and information technologies, health, environmental science, earth science, energy, urban and regional planning.
In this study, spatial statistics were used to assess point data pertaining to solar panels and wind turbins in Turkey. All point data licensed in our country for solar panels and data from the province of Çanakkale were considered for wind turbines licensed by the Energy Market Regulatory Authority (EMRA). Installed power values were of interest for the attribute related to point data. Spatial statistics were obtained using the RStudio program under the titles of Spatial Descriptive Statistics, Spatial Pattern Analysis, Spatial Autocorrelation Analysis and Spatial Interpolation. According to these spatial statistics, it was observed that the spatial distribution of the installed power of wind power plant (WPP) and solar power plant (SPP) in Turkey was not random. Installed power predictions of point data were made by applying Kriging Analysis with 10-fold cross validation for the WPPs and the SPPs.

Keywords

Spatial Point Data, Spatial Statistical Analysis, Renewable Energy

References

• Eryılmaz, H. (2010). Mekânsal İstatistikte Nokta Örüntü Teknikleri ve Bir Uygulama, Doktora tezi, Anadolu Üniversitesi, Türkiye, s. 6-20.
• Fisher, M. M. ve Wang, J. (2011). Spatial Data Analysis Models, Methods and Techniques, Springer, New York, s. 1-10.
• Çubukçu, M. (2020). Planlamada ve Coğrafyada Temel İstatistik ve Mekânsal İstatistik. Nobel Yayınevi, Ankara, s. 1-295S.H. Jafari, A.K. Gupta, Impact strength and dynamic mechanical properties correlation in elastomer-modified polypropylene, J. Appl. Polym. Sci. 78 (2000).
• Crawley, M. J. (2013). The R Book, Wiley, West Sussex, United Kingdom, s.825-867.
• Erkurtulmuş, S. A. (2022). Açık deniz üzeri yüzer rüzgâr türbini platform konseptleri. Karadeniz Teknik Üniversitesi, Türkiye, s.1-295.
• Akalın, S. (2018). Açık Deniz rüzgâr enerjisi türbinlerinin kurulum yeri seçimi için bir model önerisi. Y.lisans tezi, Gazi Üniversitesi, Türkiye, s. 1-295.
• 2014-2024 yılları arasında Türkiye elektrik enerjisi kurulu güç değerleri. https://enerji.gov.tr/bilgi-merkezi-enerji-elektrik, (Erişim Tarihi: Haziran 2024).
• Yıllara göre Türkiye’nin elektrik üretiminde kullanılan yenilenebilir enerji kaynakları oranı. https://www.epdk.gov.tr/detay/icerik/3-0-167/resmi-istatistikler, (Erişim Tarihi: Temmuz 2024)
• Türkşen, Ö. (2019). An application of spatial statistics: spatial analysis of simulated fault plane geodetic points, BAUN Fen Bil. Enst. Dergisi, 21(1), 81-93.
• Wang, B. and Shi, W. ve Miao, Z. (2015). Confidence analysis of standard deviational ellipse and ıts extension into higher dimensional euclidean space. PLoS ONE, 10(3), 1-17.
• Wong, W.S.W. ve Lee, J. (2005). Statistical analysis of geographic ınformation with ArcView GIS and ARCGIS. John Wiley and Sons, s.1-464.
• Moran, P. A. P. (1948). The interpretation of statistical maps. Journal of the Royal Statistical Society, Series B (Methodological), 10(2), 243-251.
• Kınalıoğlu, İ. (2024). Coğrafi bilgi sistemleri destekli mekânsal istatistiksel yöntemler kullanılarak konya şehrinde trafik kaza kara noktalarının belirlenmesi. Y.lisans Tezi, Uşak Üniversitesi, Türkiye, s. 48-59.
• Caruso, C. ve Quarta, F. (1998) Interpolation methods comparison. Computers and Mathematics with Applications, 35, s.109-126.
• Kalkhan, M. A. (2011). Spatial statistics geospatial ınformation modelling and thematic mapping, CRC Press, USA.
• Pacific Northwest National Laboratory (PNNL). Kriging Variogram Model, https://vsp.pnnl.gov/help/Vsample/Kriging_Variogram_Model.htm (Erişim Tarihi: Haziran, 2024)
• Armstrong, M. (1998). Basic linear geostatistics, Springer, Berlin.