Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi

Abstract

Son yıllarda fosil kaynaklardan elde edilen enerji fiyatlarının artması, tedarik problemleri ve çevresel sorunlar gibi faktörler nedeniyle yenilenebilir enerji kaynakları giderek daha büyük bir öneme sahip olmaktadır. Bu enerji kaynaklarına yönelik yapılan yatırımların etkili olması için doğru bir şekilde ekonomik olarak analiz edilmesi gerekmektedir. Son dönemde artan karbon fiyatlandırması uygulamaları da bu analizlerde göz önünde bulundurulması gereken bir faktördür. Özellikle rüzgâr gibi düşük emisyonlu enerji kaynakları için, karbon fiyatlandırması ek bir gelir kaynağı sunmaktadır. Bu çalışmada, belirli bir bölgedeki geçmiş rüzgâr hızı verileri kullanılarak gelecek dönemler için rüzgâr hızı tahminleri yapılmış ve bu tahminlere dayanarak elektrik üretim miktarları hesaplanmıştır. Daha sonra, farklı rüzgâr türbinlerinin ekonomik olarak değerlendirilmesi için birim maliyetler karşılaştırılmıştır. Tahmin yöntemi olarak, mevsimsel ARIMA modeli tercih edilmiştir. Ayrıca, ekonomik analizde Net Bugünkü Değer yaklaşımı kullanılmıştır. Böylelikle, yatırımların maliyetleri, enerji üretimi ve karbon fiyatlaması gibi faktörler dikkate alınarak projenin ekonomik durumu değerlendirilmektedir. Özellikle karbon fiyatlamasının dahil edilmesiyle birlikte, rüzgâr türbinlerinin büyüklüğüne bağlı olarak birim maliyetlerde %9,4 ila %16 arasında azalmalar gözlemlenmiştir. Bu, yatırımcılar ve enerji şirketleri için yenilenebilir enerji projelerinin daha cazip hale gelmesini sağlamaktadır. Ayrıca, çevresel etkilerin azaltılması ve sürdürülebilir enerji üretimi hedeflerine ulaşma açısından da önemli bir adımdır

Keywords

• Rüzgâr enerjisi
• Rüzgâr hızı tahmini
• Enerji ekonomisi
• Karbon emisyon fiyatlaması
• Türbin seçimi

Economic Analysis of Wind Energy Investments Considering Carbon Pricing and Wind Speed Forecasting

Abstract

In recent years, renewable energy sources have gained increasing importance due to the rising prices of fossil fuels, supply problems, and, most importantly, the environmental issues they create. To accurately analyse investments in these sources, all costs and revenues need to be taken into account. The implementation of carbon pricing, which has seen a growing trend in recent years, is also a crucial consideration. It offers an additional revenue opportunity for low-emission energy sources like wind power. This study calculates the electricity generation quantities based on the forecasted wind speeds for the future period by examining historical wind speed data in the selected region. Furthermore, different wind turbines are economically evaluated and compared in terms of unit energy costs. The seasonal ARIMA model is chosen as the prediction method, and the Net Present Value approach is employed for the economic analysis. The inclusion of carbon pricing results in unit cost reductions ranging from 9.4% to 16%, depending on the turbine size. This makes renewable energy projects more attractive to investors and energy companies. It is also an important step in terms of reducing environmental impacts and achieving sustainable energy production targets.

Keywords

• Wind power
• Wind speed forecast
• Energy Economics
• Carbon emission pricing
• Turbine selection

References

1. Blanco, M. I. (2009). The Economics of Wind Energy. Renewable and Sustainable Energy Reviews, 13(6-7), 1372- 1382. Doi: https://doi.org/10.1016/j.rser.2008.09.004
2. Bouzgou, H. & Benoudjit, N. (2011). Multiple Architecture System for Wind Speed Prediction. Applied Energy, 88(7), 2463-2471. Doi: https://doi.org/10.1016/j.apenergy.2011.01.037
3. Dikmen, E. & Örgen, F. K. (2018). Ağlasun Bölgesi için Rüzgâr Hızı Tahmini ve En Uygun Türbin Tespiti. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 7(2), 871-879. Erişim adresi: https://dergipark.org.tr/tr/pub/ngumuh/issue/38579/445314
4. Dinçer, F., Rüstemli, S., Yılmaz, Ş. & Çıngı, A. (2017). Kilis için Farklı Yüksekliklerdeki Rüzgâr Potansiyelinin Belirlenmesi. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, 6(1), 12-20. Erişim adresi: https://dergipark.org.tr/en/pub/bitlisfen/issue/30042/298458
5. Effiom, S. O., Nwankwojike, B. N. & Abam, F. I. (2016). Economic Cost Evaluation on the Viability of Offshore Wind Turbine Farms in Nigeria. Energy Reports, 2, 48-53. Doi: https://doi.org/10.1016/j.egyr.2016.03.001
6. Görgel, P. & Kavlak, E. (2020). Uzun Kısa Süreli Hafıza ve Evrişimsel Sinir Ağları ile Rüzgâr Enerjisi Üretim Tahmini. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(1), 69-80. Erişim adresi: https://dergipark.org.tr/en/pub/dumf/issue/53363/596533 Hong, Y. Y., Chang, H. L. & Chiu, C. S. (2010). Hour-Ahead Wind Power and Speed Forecasting Using Simultaneous Perturbation Stochastic Approximation (SPSA) Algorithm and Neural Network with Fuzzy Inputs. Energy, 35(9), 3870-3876. Doi: https://doi.org/10.1016/j.energy.2010.05.041
7. İncekara, Ç. Ö. (2019). Türkiye ve AB’nin Enerji Hedefleri. Journal of Turkish Operations Management, 3(2), 298-313. Erişim adresi: https://dergipark.org.tr/en/pub/jtom/issue/51652/583491
8. İncekara, Ç. Ö. (2020). Türkiye’nin Elektrik Üretiminde Doğalgaz Talep Tahminleri. Journal of Turkish Operations Management, 4(2), 494-508. Erişim adresi: https://dergipark.org.tr/en/pub/jtom/issue/59336/851882

9. Katsigiannis, Y. A. & Stavrakakis, G. S. (2014). Estimation of Wind Energy Production in Various Sites in Australia for Different Wind Turbine Classes: A Comparative Technical and Economic Assessment. Renewable Energy, 67, 230-236. Doi: https://doi.org/10.1016/j.renene.2013.11.051
10. Kusiak, A. & Zhang, Z. (2010). Short-Horizon Prediction of Wind Power: A Data-Driven Approach. IEEE Transactions on Energy Conversion, 25(4), 1112-1122. Doi: https://doi.org/10.1109/TEC.2010.2043436
11. Lee, J., Wang, W., Harrou, F. & Sun, Y. (2020). Wind Power Prediction Using Ensemble Learning-Based Models. IEEE Access, 8, 61517-61527. Doi: https://doi.org/10.1109/ACCESS.2020.2983234
12. Li, P., Guan, X. & Wu, J. (2015). Aggregated Wind Power Generation Probabilistic Forecasting Based on Particle Filter. Energy Conversion and Management, 96, 579-587. Doi: https://doi.org/10.1016/j.enconman.2015.03.021
13. Liu, H., Shi, J. & Erdem, E. (2010). Prediction of Wind Speed Time Series Using Modified Taylor Kriging Method. Energy, 35(12), 4870-4879. Doi: https://doi.org/10.1016/j.energy.2010.09.001
14. Mabel, M. C. & Fernandez, E. (2008). Analysis of Wind Power Generation and Prediction Using ANN: A Case Study. Renewable Energy, 33(5), 986-992. Doi: https://doi.org/10.1016/j.renene.2007.06.013
15. Malik, A. & Al-Badi, A. H. (2009). Economics of Wind Turbine as an Energy Fuel Saver–A Case Study for Remote Application in Oman. Energy, 34(10), 1573-1578. Doi: https://doi.org/10.1016/j.energy.2009.07.002
16. Mohammadi, K. & Mostafaeipour, A. (2013). Economic Feasibility of Developing Wind Turbines in Aligoodarz, Iran. Energy Conversion and Management, 76, 645-c. Doi: https://doi.org/10.1016/j.enconman.2013.06.053
17. Naik, J., Satapathy, P. & Dash, P. K. (2018). Short-Term Wind Speed and Wind Power Prediction Using Hybrid Empirical Mode Decomposition and Kernel Ridge Regression. Applied Soft Computing, 70, 1167-1188. Doi: https://doi.org/10.1016/j.asoc.2017.12.010
18. Riahy, G. H. & Abedi, M. (2008). Short Term Wind Speed Forecasting for Wind Turbine Applications Using Linear Prediction Method. Renewable Energy, 33(1), 35-41. Doi: https://doi.org/10.1016/j.renene.2007.01.014
19. Shabbir, N., AhmadiAhangar, R., Kütt, L., Iqbal, M. N. & Rosin, A. (2019). Forecasting Short Term Wind Energy Generation Using Machine Learning. In 2019 IEEE 60th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON) (pp. 1-4). IEEE. Doi: https://doi.org/10.1109/RTUCON48111.2019.8982365
20. Şenol, Ü. & Musayev, Z. (2017). Rüzgâr Enerjisinden Elektrik Üretiminin Yapay Sinir Ağları ile Tahmini. Bilge Uluslararası Fen ve Teknoloji Araştırmaları Dergisi, 1(1), 23-31. Erişim adresi: https://dergipark.org.tr/tr/download/article-file/324901
21. Vardar, A. & Çetin, B. (2009). Economic Assessment Of The Possibility Of Using Different Types Of Wind Turbine İn Turkey. Energy Sources, Part B, 4(2), 190-198. Doi: https://doi.org/10.1080/15567240701620465 Weather Online, (2022). Web: https://www.weatheronline.co.uk , (Erişim tarihi: 10 Nisan 2022).
22. Zhang, W., Wang, J., Wang, J., Zhao, Z. & Tian, M. (2013). Short-Term Wind Speed Forecasting Based on a Hybrid Model. Applied Soft Computing, 13(7), 3225-3233. Doi: https://doi.org/10.1016/j.asoc.2013.02.01