Show simple item record

dc.contributor.advisorYayla, Sedat
dc.contributor.authorHarmanci, Emrah
dc.date.accessioned2020-12-10T11:15:37Z
dc.date.available2020-12-10T11:15:37Z
dc.date.submitted2018
dc.date.issued2019-02-08
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/257838
dc.description.abstractBu çalışmada Türkiye'nin Doğu Anadolu bölgesinde yer alan Van ve Hakkari illerindeki rüzgar potansiyeli, YSA(Yapay Sinir Ağları), Derin Öğrenme ve WASP (Wind Atlas Aplication Program) programı kullanılarak belirlenmeye çalışılmıştır. YSA ve WASP hesaplamalarında MGM (Meteoroloji Genel Müdürlüğü)'nden alınan 5 yıllık istasyon ölçüm verileri kullanılmıştır. Derin Öğrenme aşamasında ise, Meteosat 7 uydusuna ait Doğu Avrupa uydu görüntüleri kullanılmıştır. Uydudan elde edilen görüntüler ve MGM'nden alınan veriler kullanılarak, Derin Öğrenme ve YSA üzerinden hedef istasyon verileri tahmin edilmeye çalışılmıştır. Tahmin edilen hedef istasyona ait gerçek değerler ve tahminlemeler ile bulunan sonuç değerleri arasında genel olarak 1 m/s 'nin altında farklar gözlemlenmiştir. Bu değerler 3-25 m/s aralığında çalışan türbinler için, potansiyel tahmini açısından iyi sonuçlar oluşturmaktadır. Çalışmada YSA ve Derin Öğrenme Yöntemleri için, hata oranı belirlemek amacıyla, veri setindeki her bir tahminin ağırlıklı etkisine göre toplam hata oranını belirleyen yeni bir sınama yöntemi MCE (Kategorize Edilmiş Ortalama Sınama) sunulmuştur. MGM'den alınan ölçüm verileri, WASP programında, SRTM (Shuttle Radar Topography Mission) Database'den alınmış olan bölgelere ait halihazır haritalar ile birlikte simüle edilmiş ve incelenen bölgelere ait rüzgar potansiyelleri belirlenmiştir.
dc.description.abstractIn this study, ANN (Artificial Neural Networks), Deep Learning and WASP (Wind Atlas Application Program) have been used to determine wind potentials of Van and Hakkari provinces located in eastern Anatolia region of Turkey. Data measured for 5 years period by GDM (General Directorate of Meteorology) were used for predictions of the ANN method and WASP. In the Deep Learning phase, Eastern European satellite images of the Meteosat 7 satellite were used. Using images obtained from the satellite and the data obtained from the GDM, it was attempted to estimate the target station data by the Deep Learning and ANN methods. The differences between the measured values and the estimated values of the target station are generally less than 1 m/s. It is worth to mention that, these values have excellent results for potential turbines operating under the wind speed ranging from 3 m/s to 25 m/s. A new test method, MCE (Mean Categorized Error), was presented to determine the error rate for ANN and Deep Learning Methods in the study, which determines the total error rate according to the weighted effect of each estimation of the data set. The measured data of the GDM were simulated using the WASP with the existing maps of the regions taken from the SRTM (Shuttle Radar Topography Mission) database and hence the wind potentials of the evaluated regions were determined.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectEnerjitr_TR
dc.subjectEnergyen_US
dc.titleVan ve Hakkari bölgelerinde rüzgar potansiyelinin belirlenmesi
dc.title.alternativeDetermination of wind potential in Van and Hakkari regions
dc.typemasterThesis
dc.date.updated2019-02-08
dc.contributor.departmentMakine Mühendisliği Anabilim Dalı
dc.identifier.yokid10220787
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityVAN YÜZÜNCÜ YIL ÜNİVERSİTESİ
dc.identifier.thesisid530825
dc.description.pages169
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess