BibTex RIS Cite

Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu

Year 2007, Volume: 11 Issue: 1, 91 - 95, 09.04.2009

Mehmet Kurban Yeliz Kantar Onur Hocaoğlu

Abstract

Bu çalısmada, Anadolu Üniversitesi iki Eylül Kampusu 'nde kurulmus olan hibrit (rüzgar-günes) enerji santral modelinin, rüzgar hızı, günes ısınım siddeti, izlenen saat verilerine dayalı olarak belirlenen günlük yük talebini karsılayacak enerji üretip üretmeyecegi lojistik regresyon modelleri olan logit ve probit regresyon ve tek katmanlı perseptron kullanılarak sınıflandırılmıstır. Yapılan analizler sonucunda logit ve probit regresyon modellerinin yaklasık %87 dogruluk oranıyla, perseptronun ise yaklasık olarak %70 dogruluk oranıyla sistemin çalısma durumunu tespit ettigi görülmüstür.

Keywords

Lojistik regresyon Rüzgar-güneş enerjisi Logit Probit Yapay Sinir Ağları Perseptron

References

  • Ai, B., Yang, H., Shen H., Liao, X. 2003. Computeraided design of PV/wind hybrid system. Renewable Energy, 28, 1491–1512.
  • Akkaya, Ş., Pazarlıoğlu M.V. 1998. Ekonometri II, erkam Yayınevi, İzmir.
  • Borowy, B.S., Salameh, Z. M. 1996. Methodology for Optimally Sizing the Combination of a Battery and PV Array in a Wind/PV. Hybrid System, 11, 367- 375.
  • Dobson, A.J. 2001. An Intoduction to generalized Linear models, Chapman&Hall/Crs., London and Boca Raton.
  • Fırat, M.Z., Onay, A. 1999. Bitki Doku Kültürü Çalışmalarında elde edilen binom verilerinin genelleştirilmiş lineer modeller kullanarak analizi. Tr.J.Biology, 23, 261-267.
  • Groumpos, P. P., Papageorgiou, G., 1987. An optimal sizing method for stand-alone photovoltaic power systems. Solar Energy, 38, 341-351.
  • Gujarati, D.N., 1999. Basic Econometrics, Mcgraw-Hill Inc., New York.
  • Haykin, S. 1994. Neural networks. Macmillan College Publishing Company, New York:
  • Jalkanen, A., Mattila, U. 2000. Logistic regression models for wind and snow damage in the northern Finland based on the natiaonal Forest Inventory data. Forest Ecology and management, 135, 315-330.
  • Kosmeli K., Vandal, K. 2003. Comparison of two generalized logistic regression models: a case study, 25th Int. Conf. Information technology Inferfaces ITI, June16-19, Cavrat.
  • Markvart, T. 1997. Sizing of hybrid photovoltaic-wind energy systems. Solar Energy, 57, 277-281.
  • Montgomery, D.C., Pect, E.A., Vining, G.G. 2000. Introduction to Linear regression analysis, John Wiley &Sons, New York.
  • Musellı, M., Notton, G., Louche A. 1999. Desıgn Of Hybrıd-Photovoltaıc Power Generator, with Optimization of Energy Management. Solar Energy, 65, 143–157.
  • Srivastava, N. 2005. A logistic regression model for predicting the occurence of intense geomagnetic storms. Annales Geophysicae, 23, 2969-2974
  • Thomas, L.C., Jung, K.M., Thomas, S.D., Wu, Y. 2006. Modelling consumer acceptance probabilities. Expert Systems with Applications, 30, 499-506.

Year 2007, Volume: 11 Issue: 1, 91 - 95, 09.04.2009

Mehmet Kurban Yeliz Kantar Onur Hocaoğlu

Abstract

References

  • Ai, B., Yang, H., Shen H., Liao, X. 2003. Computeraided design of PV/wind hybrid system. Renewable Energy, 28, 1491–1512.
  • Akkaya, Ş., Pazarlıoğlu M.V. 1998. Ekonometri II, erkam Yayınevi, İzmir.
  • Borowy, B.S., Salameh, Z. M. 1996. Methodology for Optimally Sizing the Combination of a Battery and PV Array in a Wind/PV. Hybrid System, 11, 367- 375.
  • Dobson, A.J. 2001. An Intoduction to generalized Linear models, Chapman&Hall/Crs., London and Boca Raton.
  • Fırat, M.Z., Onay, A. 1999. Bitki Doku Kültürü Çalışmalarında elde edilen binom verilerinin genelleştirilmiş lineer modeller kullanarak analizi. Tr.J.Biology, 23, 261-267.
  • Groumpos, P. P., Papageorgiou, G., 1987. An optimal sizing method for stand-alone photovoltaic power systems. Solar Energy, 38, 341-351.
  • Gujarati, D.N., 1999. Basic Econometrics, Mcgraw-Hill Inc., New York.
  • Haykin, S. 1994. Neural networks. Macmillan College Publishing Company, New York:
  • Jalkanen, A., Mattila, U. 2000. Logistic regression models for wind and snow damage in the northern Finland based on the natiaonal Forest Inventory data. Forest Ecology and management, 135, 315-330.
  • Kosmeli K., Vandal, K. 2003. Comparison of two generalized logistic regression models: a case study, 25th Int. Conf. Information technology Inferfaces ITI, June16-19, Cavrat.
  • Markvart, T. 1997. Sizing of hybrid photovoltaic-wind energy systems. Solar Energy, 57, 277-281.
  • Montgomery, D.C., Pect, E.A., Vining, G.G. 2000. Introduction to Linear regression analysis, John Wiley &Sons, New York.
  • Musellı, M., Notton, G., Louche A. 1999. Desıgn Of Hybrıd-Photovoltaıc Power Generator, with Optimization of Energy Management. Solar Energy, 65, 143–157.
  • Srivastava, N. 2005. A logistic regression model for predicting the occurence of intense geomagnetic storms. Annales Geophysicae, 23, 2969-2974
  • Thomas, L.C., Jung, K.M., Thomas, S.D., Wu, Y. 2006. Modelling consumer acceptance probabilities. Expert Systems with Applications, 30, 499-506.
There are 15 citations in total.

Details

Primary Language English
Journal Section MÜHENDİSLİK ve MİMARLIK BİLİMLERİ
Authors

Mehmet Kurban This is me

Yeliz Kantar This is me

Onur Hocaoğlu This is me

Publication Date April 9, 2009
Published in Issue Year 2007 Volume: 11 Issue: 1

Cite

APA Kurban, M., Kantar, Y., & Hocaoğlu, O. (2009). Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 11(1), 91-95. https://doi.org/10.19113/sdufbed.29854
AMA Kurban M, Kantar Y, Hocaoğlu O. Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu. J. Nat. Appl. Sci. April 2009;11(1):91-95. doi:10.19113/sdufbed.29854
Chicago Kurban, Mehmet, Yeliz Kantar, and Onur Hocaoğlu. “Lojistik Regresyon Ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 11, no. 1 (April 2009): 91-95. https://doi.org/10.19113/sdufbed.29854.
EndNote Kurban M, Kantar Y, Hocaoğlu O (April 1, 2009) Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 11 1 91–95.
IEEE M. Kurban, Y. Kantar, and O. Hocaoğlu, “Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu”, J. Nat. Appl. Sci., vol. 11, no. 1, pp. 91–95, 2009, doi: 10.19113/sdufbed.29854.
ISNAD Kurban, Mehmet et al. “Lojistik Regresyon Ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 11/1 (April 2009), 91-95. https://doi.org/10.19113/sdufbed.29854.
JAMA Kurban M, Kantar Y, Hocaoğlu O. Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu. J. Nat. Appl. Sci. 2009;11:91–95.
MLA Kurban, Mehmet et al. “Lojistik Regresyon Ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol. 11, no. 1, 2009, pp. 91-95, doi:10.19113/sdufbed.29854.
Vancouver Kurban M, Kantar Y, Hocaoğlu O. Lojistik Regresyon ve Perseptron Modelleri Kullanılarak Rüzgar-Günes Enerji Santral Modellerinin Güç Üretim Analizinin Durumu. J. Nat. Appl. Sci. 2009;11(1):91-5.

e-ISSN :1308-6529
Linking ISSN (ISSN-L): 1300-7688

All published articles in the journal can be accessed free of charge and are open access under the Creative Commons CC BY-NC (Attribution-NonCommercial) license. All authors and other journal users are deemed to have accepted this situation. Click here to access detailed information about the CC BY-NC license.