Research Article
BibTex RIS Cite

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

Year 2023, Volume: 7 Issue: 2, 1790 - 1800, 29.12.2023
https://doi.org/10.56554/jtom.1309645

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

References

  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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).
  • 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

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

Year 2023, Volume: 7 Issue: 2, 1790 - 1800, 29.12.2023
https://doi.org/10.56554/jtom.1309645

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.

References

  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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).
  • 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
There are 22 citations in total.

Details

Primary Language Turkish
Subjects Industrial Engineering
Journal Section Research Article
Authors

Süleyman Atılgan 0000-0002-6943-0055

Muzaffer Alım 0000-0002-4420-7391

Çağrı Koç 0000-0002-7377-204X

Publication Date December 29, 2023
Submission Date June 5, 2023
Acceptance Date July 14, 2023
Published in Issue Year 2023 Volume: 7 Issue: 2

Cite

APA Atılgan, S., Alım, M., & Koç, Ç. (2023). Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi. Journal of Turkish Operations Management, 7(2), 1790-1800. https://doi.org/10.56554/jtom.1309645
AMA Atılgan S, Alım M, Koç Ç. Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi. JTOM. December 2023;7(2):1790-1800. doi:10.56554/jtom.1309645
Chicago Atılgan, Süleyman, Muzaffer Alım, and Çağrı Koç. “Rüzgâr Enerjisi yatırımlarının Karbon fiyatlandırması Ve rüzgâr hızı Tahmini Ile Ekonomik Analizi”. Journal of Turkish Operations Management 7, no. 2 (December 2023): 1790-1800. https://doi.org/10.56554/jtom.1309645.
EndNote Atılgan S, Alım M, Koç Ç (December 1, 2023) Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi. Journal of Turkish Operations Management 7 2 1790–1800.
IEEE S. Atılgan, M. Alım, and Ç. Koç, “Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi”, JTOM, vol. 7, no. 2, pp. 1790–1800, 2023, doi: 10.56554/jtom.1309645.
ISNAD Atılgan, Süleyman et al. “Rüzgâr Enerjisi yatırımlarının Karbon fiyatlandırması Ve rüzgâr hızı Tahmini Ile Ekonomik Analizi”. Journal of Turkish Operations Management 7/2 (December 2023), 1790-1800. https://doi.org/10.56554/jtom.1309645.
JAMA Atılgan S, Alım M, Koç Ç. Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi. JTOM. 2023;7:1790–1800.
MLA Atılgan, Süleyman et al. “Rüzgâr Enerjisi yatırımlarının Karbon fiyatlandırması Ve rüzgâr hızı Tahmini Ile Ekonomik Analizi”. Journal of Turkish Operations Management, vol. 7, no. 2, 2023, pp. 1790-0, doi:10.56554/jtom.1309645.
Vancouver Atılgan S, Alım M, Koç Ç. Rüzgâr enerjisi yatırımlarının karbon fiyatlandırması ve rüzgâr hızı tahmini ile ekonomik analizi. JTOM. 2023;7(2):1790-80.

2229319697  logo   logo-minik.png 200311739617396