KIRKLARELİ ÜNİVERSİTESİ KAYALI KAMPÜSÜNÜN DÖNEMSEL RÜZGAR ENERJİSİ POTANSİYELİNİN BULUNMASI

Year 2019, , 40 - 57, 30.06.2019

Bekir Adem Çakmakçı , Engin Hüner

https://doi.org/10.34186/klujes.525602

Abstract

Bu
çalışmada, Kırklareli Üniversitesi Kayalı Kampüsü’nün dönemsel rüzgar enerjisi
potansiyeli, 2018 yılı sonbahar dönemi (Eylül, Ekim ve Kasım ayları) için 5
dakika aralıklarla ölçülen rüzgar hızı verilerine dayanarak istatistiksel
olarak analiz edilmiştir. Bölgenin rüzgar enerjisi
potansiyeli araştırmasında Weibull, Rayleigh ve Gamma dağılımları
kullanılmıştır. Dağılımların parametreleri, Moment ve Maksimum Olabilirlik
(MLE) yöntemleri ile hesaplanmıştır. Kök Ortalama Karesel Hata (RMSE), Ki-Kare Testi (X²) ve Korelasyon Katsayısı (R²) yaklaşım metodları, hangi dağılımın daha
iyi modelleme yaptığını ve uygun yaklaşım getirdiğini belirlemek amacıyla
uygulanmıştır. Analiz sonucunda dağılımlardan elde edilen en yüksek aylık
ortalama güç yoğunluğu değerleri;
Eylül
ayı için moment metodu ile hesaplanan Weibull dağılımında 126.849 kW/m², Ekim
ayı için MLE metodu ile hesaplanan Weibull dağılımında 97.441 kW/m² ve Kasım ayı için moment metodu ile hesaplanan
Weibull dağılımında 232.236  kW/m² olarak hesaplanmıştır.

Keywords

Rüzgar Enerjisi, Moment, MLE Metodu, Dağılım Fonksiyonları, Hata Analizleri

DETERMINATION THE WIND ENERGY POTENTIAL OF KAYALI CAMPUS OF KIRKLARELİ UNIVERSITY

Abstract

In this study, seasonal wind energy potential in Kayalı Campus of Kırklareli University, based on the wind speed data measured at 5 minutes intervals for the 2018 autumn period (September, October and November) was statistically analyzed. Weibull, Rayleigh and Gamma distributions were used in the wind energy potential of the region. The parameters of these distributions were calculated with Moment and Maximum Likelihood (MLE) methods. Root Mean Square Error (RMSE), Chi-Square Test (X²) and Correlation Coefficient (R²) approach methods are applied to determine which distribution makes better modeling and proper approach. As a result of the analysis, the highest monthly power density values are; Weibull distribution calculated by the moment method for September month is 126.849 kW/m², Weibull distribution calculated by the MLE method for October month is 97.441 kW/m² and Weibull distribution calculated by the moment method for November month is 232.236 kW/m², as follows.

Keywords

Wind Energy, Moment, MLE Method, Distribution Functions, Error Analysis

References

• Küçükkalay A.M., Endüstri Devrimi ve Ekonomik Sonuçlarının Analizi, S.2(Güz), S 51–68, 1997.
• Hocaoğlu, F. O. ve Kurban, M., Rüzgar Gücünden Elektrik Enerjisi Üretimi için Rüzgar Türbini Tasarımı, 1. Enerji Verimliliği ve Kalitesi Sempozyumu, Kocaeli, 2005.
• İlkılıç, C., Türkbay, İ., Determination and utilization of wind energy potential for Turkey, Renewable and Sustainable Energy Reviews, C 14, S 2202-2207, 2010.
• Toklu, M., Rüzgar Enerjisi Ve Elazığ Şartlarında Bir Rüzgar Santrali Tasarımı, Yüksek Lisans Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, 2002.
• Lipman, N.H., Musgrove, P.J., Wind Energy for the Eighties, England., 1982.
• http://www.ren21.net/wp-content/uploads/2018/06/17-8652_GSR2018_FullReport_web_-1.pdf, Erişim Tarihi: 27.11.2018
• Şenel, M. C., Koç, E., Dünyada ve Türkiye’de rüzgar enerjisi durumu-Genel değerlendirme, Mühendis ve Makine, C 56, S 46-56, 2015.
• http://www.emo.org.tr/ekler/34427e6be0fae4a_ek.pdf, Erişim Tarihi: 28.11.2018
• Çelik, A. N., Review of Turkey’s current energy status: A case study for wind energy potential of Çanakkale province, Renewable and Sustainable Energy Reviews, C 15 S 2743-2749, 2011.
• https://www.tureb.com.tr/files/tureb_sayfa/duyurular/2018/03/turkiye_ruzgar_enerjisi_istatistik_raporu_ocak_2018.pdf Erişim Tarihi: 30.11.2018
• Kurban, M., Kantar Y.M., Hocaoğlu, F.O., Rüzgar Enerjisi Potansiyelinin Araştırılmasında Weibull Ve Rayleigh Dağılımlarının Kullanılması, Sakarya University Journal of Science, C 10, S 14-21, (2006).
• Kurban, M., Hocaoğlu, F.O, Kantar Y.M., Rüzgar Enerjisi Potansiyelinin Tahmininde Kullanılan İki Farklı İstatistiksel Dağılımın Karşılaştırmalı Analizi, Pamukkale University Journal Of Engineering Science, C 13, S 103-109, 2007.
• Bilgili, M., Şahin B., Şimşek E., Türkiye’nin Güney, Güneybatı Ve Batı Bölgelerindeki Rüzgar Enerjisi Potansiyeli, Isı Bilimi ve Tekniği Dergisi, C 30 S 01-12, 2010.
• Talayoğlu, S., Denizli İlinin Tavas İlçesine Ait Rüzgar Enerjisi Potansiyelinin Hesaplanması Ve Ekonomik Analiz, İstanbul Teknik Üniversitesi Enerji Enstitüsü, Yüksek Lisans Tezi, 2010.
• Gülersoy, T., Çetin N.S., Menemen Bölgesinde Rüzgar Türbinleri için Rayleigh ve Weibull Dağılımlarının Kullanılması, Politeknik Dergisi, C 13, S 209-213, 2010.
• Güngör A., Evaluation Of The Studies Carried Out On Wind Characterıstics Of The Western Part Of Turkey, Niğde Üniversitesi Mühendislik Bilimleri Dergisi, C 1, S 41-49, 2012.
• Yazar, A.H., Kahramanmaraş Sütçü İmam Üniversitesi Avşar Kampüsünde Rüzgâr Enerjisi Verimliliğinin İzlenmesi Ve Elektrik Üretim Potansiyelinin Araştırılması, Kahramanmaraş Sütçü İmam Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2013.
• Taşkın, B., Niğde İlinde Kurulabilecek Rüzgar Enerjisi Santralinin Fiziksel ve Ekonomik Analizi, Niğde Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2013.
• Mert, İ., Karakuş, C., Antakya Bölgesinde Rüzgâr Gücü Yoğunluğu ve Rüzgâr Hızı Dağılımı Parametrelerinin İstatistiksel Analizi, Politeknik Dergisi, C 18, S 35-42, 2015.
• Akkoyunlu, T., Bodrum, Menteşe, Milas, Yatağan İlçelerinin Rüzgâr Verilerinin Analiz Edilmesi, Muğla Sıtkı Koçman Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2015.
• Kaplan Y.A., Rayleigh Ve Weibull Dağılımları Kullanılarak Osmaniye Bölgesinde Rüzgar Enerjisinin Değerlendirilmesi, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, C 20, S 62-71, 2016.
• Korukçu M.Ö., Investigation of long term wind characteristics and wind energy potential in Bandırma, Turkey, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, C 23, S 337-342, 2017.
• Emeksiz, C., Doğan Z., Gökrem L., Yavuz A.H., Tokat Bölgesi Rüzgar Karakteristiğinin İstatistiksel Yöntemler İle İncelenmesi, Politeknik Dergisi, C 19, S 481-489, 2016.
• Akpınar, A., Assessment of wind power potential along the south western Black Sea coasts, Sakarya Üniversitesi Fen Bilimleri Dergisi, C 20, S 573-589, 2016.
• Gökdemir A., Muğla Sıtkı Koçman Üniversitesi Merkez Kampüsü Rüzgâr Enerjisi Potansiyelinin Belirlenmesi, Muğla Sıtkı Koçman Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 2017.
• Çağlar, A., Investigation of Wind Characteristics for Antalya Region by Using WeibullDistribution, Cumhuriyet Science Journal, C 38, S 156-164, 2017.
• Jaramillo O. A. Borja M. A., Wind speed analysis in La Ventosa, Mexico: a bimodal probability distribution case, Renewable Energy, C 29, S 1613-1630, 2004.
• Sarkar, A., Singh, S., Mitra, D., Wind climate modeling using Weibull and extreme value distribution, International Journal of Engineering Science and Technology, C 3, S 100-106, 2011.
• Olaofe, Z. O., Folly, K. A., Statistical Analysis of Wind Resources at Darling for Energy Production, International Journal of Renewable Energy Research, C 2, S 250-261, 2012.
• Yong, H. O. U., Yidong, P. E. N. G., Johnson, A. L., Jing, S. H. I., Empirical Analysis of Wind Power Potential at Multiple Heights for North Dakota Wind Observation Sites, Energy Science & Technology, C 4, S 1-9, 2012.
• Cliff, W. C., The Effect of generalized wind characteristics on annual power estimates from wind türbine generators, PNL-2436 Battele Pacific Northwest Laboratory, Washington, 1977.
• Paulo, A.C.R., Ricardo C.S., Carla F.A., Maria E.V.S., Comparison of seven numerical methods for determining Weibull parameters for wind energy generation in the northeast region of Brazil, Applied Energy, C 89, S 395-400, 2012.
• Seguro, J.V., Lambert T.W, Modern estimation of the parameters of the Weibull wind speed distribution for wind energy analysis, Journal of Wind Engineering and Industrial Aerodynamics, C 85, S 75-84, 2000.
• Chang T. P., Performance comparison of six numerical methods in estimating Weibull parameters for wind energy application, Appl Energy, C 88, S 272-282, 2011.
• Wilks, D.S., Statistical Methods in the Atmospheric Sciences, C 91, San Francisco, 2006.
• Akpinar E.K., Akpinar S., Determination of the wind energy potential for Maden-Elazig, Turkey, Energy Conversion and Management, C 45, S 2901-2914, 2004.
• Li M, Li X. Investigation of wind characteristics and assessment of wind energy potential for Waterloo region, Canada. Energy Conversion and Management, C 46, 3014-30033, 2005.
• Ulgen K, Genc A, Hepbasli A, Oturanc G. Assessment of wind characteristics for energy generation. Energy Sources, C 26, S 1227-1237, 2004.