BibTex RIS Kaynak Göster

Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım

Yıl 2017, Cilt: 7 Sayı: 2, 419 - 427, 01.06.2017

Öz

Rüzgâr enerjisinin elektrik şebekesine entegrasyonu, ekonomik dağıtımı için ayrıca rüzgâr türbinlerinin güvenli işletilebilmesi kontrolü için kısa-dönem rüzgâr hızı tahmini önemli bir konudur. Rüzgâr hızının anlık değişkenliği problemi zorlaştırmaktadır. Bu çalışmada, kısa-dönem rüzgâr hızı tahmini için doğrusal otoregresif, AR ve doğrusal olmayan yapay sinir ağları, YSA modelleri aynı anda kullanan yeni hibrit bir model önerilmektedir. AR modeller yaygın olarak tahmin problemlerinde kullanılan istatiksel yöntemlerdir. YSA yaklaşımı başlıca modelleme, tahmin ve sınıflandırma problemlerinde kullanılan insan beynindeki sinir ağlarına benzer şekilde çalışan bir yaklaşımdır. Bu çalışmada tahmin problemlerinde kullanılan iki güçlü yöntem birleştirilerek kısa dönem rüzgâr hızının belirlenmesinde yeni bir hibrit yaklaşım olarak sunulmuştur. Bu yaklaşım ile sadece AR yöntemin kullanıldığı ya da sadece YSA yönteminin kullanıldığı yöntemlere göre rüzgâr hızı tahmininde daha başarılı sonuçlar elde edilmiştir. Çalışmanın doğruluğunu göstermek amacıyla meteoroloji istasyonundan alınan Eskişehir bölgesine ait sekiz yıllık gerçek saatlik ortalama rüzgâr hızı değerleri kullanılmıştır. Yedi yıllık rüzgâr hızı değerleri eğitim verileri olarak kullanılmış, kalan bir yıllık değerler test amacıyla kullanılmıştır. Farklı durumlar için önerilen hibrit yaklaşımın kök ortalama kare hata değerleri RMSE ve ortalama mutlak hata MAE değerleri AR ve YSA yöntemlerinin doğrudan kullanılmasına göre daha düşük sonuçlara ulaştığı gösterilmiştir

Kaynakça

  • Ailliot, P., Monbet, V. 2012. Markov-switching autoregressive models for wind time series. Environ. Model. Soft., 30: 92-101.
  • Başaran Filik, Ü. 2010. Birim Yüklenme Probleminin Matematiksel ve Akıllı Sezgisel Yaklaşımlar Kullanılarak Çözülmesi, Doktora Tezi, Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Eskişehir, 109 s.
  • Basaran Filik, Ü. 2016. A New Hybrid Approach for Wind Speed Prediction using Fast Block Least Mean Square Algorithm and Artificial Neural Network. Mathem. Prob. Engin. (Baskıda).
  • Başaran Filik, Ü., Filik, T. 2016. Wind Speed Prediction using Artificial Neural Networks Based on Multiple Local Measurements in Eskisehir, International Conference on Energy and Environment Research, Barcelona, Spain.
  • Başaran Filik, Ü., Filik, T., Gerek, ÖN. 2015. New Electric Transmission Systems-Experiences from Turkey, Wiley, 2015.
  • Bivona, S., Bonanno, G., Burlon, R., Gurrera, D., Leone, C. 2011. Stochastic Models for Wind Speed Forecasting, Ener. Conver. and Manag., 52:2.
  • Brankera, K., Pathaka, MJM., Pearcea, JM. 2011. A review of solar photovoltaic levelized cost of electricity, Renew. and Sust. Ener. Rev., 15: 4470-4482.
  • Duran, M., Başaran Filik, Ü. 2015. Short-term wind speed prediction using several artificial neural network approaches in Eskisehir. International Symposium on Innovations in Intelligent Systems and Applications, Madrid, Spain.
  • Erdem, E., Shi, J. 2011. ARMA based approaches for prediction the tuple of wind speed and direction. Appl. Ener., 4:1405- 1414.
  • Filik, T. 2016. Improved Spatio-Temporal Linear Models for Very Short-Term Wind Speed Forecasting. Energ., 9(3):168.
  • Guo, Z., Wu, J., Lu, H., Wang, J. 2011. A case study on a hybrid wind speed prediction method using BP neural network. Knowl.-Bas. Syst., 24:1048-1056.
  • Kavasseri, RG., Seetharaman, K. 2009. Day-ahead wind speed prediction using f-ARIMA models. Renew. Ener., 34: 1388– 1393.
  • Liu, H., Tian, H., Chen, C., Li, Y. 2010. A hybrid statistical method to predict wind speed and wind power. Renew. Ener., 35:1857-1861.
  • Mabel, M.C., Fernández, E. 2010. Analysis of wind power generation and prediction using ANN: a case study. Renew. Ener., 33:986–992.
  • Ranganayaki, V., Deepa, SN. 2016. An Intelligent Ensemble Neural Network Model for Wind Speed Prediction in Renewable Energy Systems, The Scient.Wor. J., 2016:1-14.
  • Shi,J., Guo, J., Zheng, S. 2012. Evaluation of hybrid prediction approaches for wind speed and power generation time series. Renew. and Sust. Ener. Rev., 16: 3471-3480.
  • Torres, JL., García, A., Blas, MD., Francisco, AD. 2005. Forecast of hourly average wind speed with ARMA models in Navarre (Spain). Sol. Ener., 79: 65-77.
  • Türkiye Elektrik Enerjisi 5 Yıllık Üretim Kapasite Projeksiyonu 2015. Türkiye Elektrik İletim A.Ş, APK Dairesi Başkanlığı.
  • Xuejun, C., Shiqiang, J., Shanshan, Q., Laping, L. 2015. ShortTerm Wind Speed Forecasting Study and Its Application Using a Hybrid Model Optimized by Cuckoo Search, Mathem. Prob. Engin., 2015:1-18.
  • Zhang, W., Wang, J., Zengbao, WZ., Tian, M. 2013. Short-term wind speed prediction based on a hybrid model. Appl. Sof. Comp.,13: 3225-3233.

Short Term Wind Speed Prediction Based on Autoregressive and Artifical Neural Networks as a New Hybrid Approach

Yıl 2017, Cilt: 7 Sayı: 2, 419 - 427, 01.06.2017

Öz

Rüzgâr enerjisinin elektrik şebekesine entegrasyonu, ekonomik dağıtımı için ayrıca rüzgâr türbinlerinin güvenli işletilebilmesi kontrolü için kısa-dönem rüzgâr hızı tahmini önemli bir konudur. Rüzgâr hızının anlık değişkenliği problemi zorlaştırmaktadır. Bu çalışmada, kısa-dönem rüzgâr hızı tahmini için doğrusal otoregresif, AR ve doğrusal olmayan yapay sinir ağları, YSA modelleri aynı anda kullanan yeni hibrit bir model önerilmektedir. AR modeller yaygın olarak tahmin problemlerinde kullanılan istatiksel yöntemlerdir. YSA yaklaşımı başlıca modelleme, tahmin ve sınıflandırma problemlerinde kullanılan insan beynindeki sinir ağlarına benzer şekilde çalışan bir yaklaşımdır. Bu çalışmada tahmin problemlerinde kullanılan iki güçlü yöntem birleştirilerek kısa dönem rüzgâr hızının belirlenmesinde yeni bir hibrit yaklaşım olarak sunulmuştur. Bu yaklaşım ile sadece AR yöntemin kullanıldığı ya da sadece YSA yönteminin kullanıldığı yöntemlere göre rüzgâr hızı tahmininde daha başarılı sonuçlar elde edilmiştir. Çalışmanın doğruluğunu göstermek amacıyla meteoroloji istasyonundan alınan Eskişehir bölgesine ait sekiz yıllık gerçek saatlik ortalama rüzgâr hızı değerleri kullanılmıştır. Yedi yıllık rüzgâr hızı değerleri eğitim verileri olarak kullanılmış, kalan bir yıllık değerler test amacıyla kullanılmıştır. Farklı durumlar için önerilen hibrit yaklaşımın kök ortalama kare hata değerleri RMSE ve ortalama mutlak hata MAE değerleri AR ve YSA yöntemlerinin doğrudan kullanılmasına göre daha düşük sonuçlara ulaştığı gösterilmiştir.

Kaynakça

  • Ailliot, P., Monbet, V. 2012. Markov-switching autoregressive models for wind time series. Environ. Model. Soft., 30: 92-101.
  • Başaran Filik, Ü. 2010. Birim Yüklenme Probleminin Matematiksel ve Akıllı Sezgisel Yaklaşımlar Kullanılarak Çözülmesi, Doktora Tezi, Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Eskişehir, 109 s.
  • Basaran Filik, Ü. 2016. A New Hybrid Approach for Wind Speed Prediction using Fast Block Least Mean Square Algorithm and Artificial Neural Network. Mathem. Prob. Engin. (Baskıda).
  • Başaran Filik, Ü., Filik, T. 2016. Wind Speed Prediction using Artificial Neural Networks Based on Multiple Local Measurements in Eskisehir, International Conference on Energy and Environment Research, Barcelona, Spain.
  • Başaran Filik, Ü., Filik, T., Gerek, ÖN. 2015. New Electric Transmission Systems-Experiences from Turkey, Wiley, 2015.
  • Bivona, S., Bonanno, G., Burlon, R., Gurrera, D., Leone, C. 2011. Stochastic Models for Wind Speed Forecasting, Ener. Conver. and Manag., 52:2.
  • Brankera, K., Pathaka, MJM., Pearcea, JM. 2011. A review of solar photovoltaic levelized cost of electricity, Renew. and Sust. Ener. Rev., 15: 4470-4482.
  • Duran, M., Başaran Filik, Ü. 2015. Short-term wind speed prediction using several artificial neural network approaches in Eskisehir. International Symposium on Innovations in Intelligent Systems and Applications, Madrid, Spain.
  • Erdem, E., Shi, J. 2011. ARMA based approaches for prediction the tuple of wind speed and direction. Appl. Ener., 4:1405- 1414.
  • Filik, T. 2016. Improved Spatio-Temporal Linear Models for Very Short-Term Wind Speed Forecasting. Energ., 9(3):168.
  • Guo, Z., Wu, J., Lu, H., Wang, J. 2011. A case study on a hybrid wind speed prediction method using BP neural network. Knowl.-Bas. Syst., 24:1048-1056.
  • Kavasseri, RG., Seetharaman, K. 2009. Day-ahead wind speed prediction using f-ARIMA models. Renew. Ener., 34: 1388– 1393.
  • Liu, H., Tian, H., Chen, C., Li, Y. 2010. A hybrid statistical method to predict wind speed and wind power. Renew. Ener., 35:1857-1861.
  • Mabel, M.C., Fernández, E. 2010. Analysis of wind power generation and prediction using ANN: a case study. Renew. Ener., 33:986–992.
  • Ranganayaki, V., Deepa, SN. 2016. An Intelligent Ensemble Neural Network Model for Wind Speed Prediction in Renewable Energy Systems, The Scient.Wor. J., 2016:1-14.
  • Shi,J., Guo, J., Zheng, S. 2012. Evaluation of hybrid prediction approaches for wind speed and power generation time series. Renew. and Sust. Ener. Rev., 16: 3471-3480.
  • Torres, JL., García, A., Blas, MD., Francisco, AD. 2005. Forecast of hourly average wind speed with ARMA models in Navarre (Spain). Sol. Ener., 79: 65-77.
  • Türkiye Elektrik Enerjisi 5 Yıllık Üretim Kapasite Projeksiyonu 2015. Türkiye Elektrik İletim A.Ş, APK Dairesi Başkanlığı.
  • Xuejun, C., Shiqiang, J., Shanshan, Q., Laping, L. 2015. ShortTerm Wind Speed Forecasting Study and Its Application Using a Hybrid Model Optimized by Cuckoo Search, Mathem. Prob. Engin., 2015:1-18.
  • Zhang, W., Wang, J., Zengbao, WZ., Tian, M. 2013. Short-term wind speed prediction based on a hybrid model. Appl. Sof. Comp.,13: 3225-3233.
Toplam 20 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Research Article
Yazarlar

Ümmühan Başaran Filik Bu kişi benim

Tansu Filik Bu kişi benim

Yayımlanma Tarihi 1 Haziran 2017
Yayımlandığı Sayı Yıl 2017 Cilt: 7 Sayı: 2

Kaynak Göster

APA Başaran Filik, Ü., & Filik, T. (2017). Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım. Karaelmas Fen Ve Mühendislik Dergisi, 7(2), 419-427.
AMA Başaran Filik Ü, Filik T. Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım. Karaelmas Fen ve Mühendislik Dergisi. Haziran 2017;7(2):419-427.
Chicago Başaran Filik, Ümmühan, ve Tansu Filik. “Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif Ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım”. Karaelmas Fen Ve Mühendislik Dergisi 7, sy. 2 (Haziran 2017): 419-27.
EndNote Başaran Filik Ü, Filik T (01 Haziran 2017) Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım. Karaelmas Fen ve Mühendislik Dergisi 7 2 419–427.
IEEE Ü. Başaran Filik ve T. Filik, “Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım”, Karaelmas Fen ve Mühendislik Dergisi, c. 7, sy. 2, ss. 419–427, 2017.
ISNAD Başaran Filik, Ümmühan - Filik, Tansu. “Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif Ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım”. Karaelmas Fen ve Mühendislik Dergisi 7/2 (Haziran 2017), 419-427.
JAMA Başaran Filik Ü, Filik T. Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım. Karaelmas Fen ve Mühendislik Dergisi. 2017;7:419–427.
MLA Başaran Filik, Ümmühan ve Tansu Filik. “Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif Ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım”. Karaelmas Fen Ve Mühendislik Dergisi, c. 7, sy. 2, 2017, ss. 419-27.
Vancouver Başaran Filik Ü, Filik T. Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım. Karaelmas Fen ve Mühendislik Dergisi. 2017;7(2):419-27.