Akış alan modellemesi ve istatistiksel enerji öngörüsü: Maslak örneği
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Günümüzde yoğunluklu olarak kullanılan birincil enerji kaynaklarının hala fosil yakıta dayalı olması, çevreye CO salınımları ve birim fiyatlarındaki orantısız dalgalanmalar ile sergilenen haksız fiyat artırımları ülke ekonomisini olumsuz yönde etkilemektedir. Yenilenebilir enerji kaynaklarından rüzgar enerjisi sektörünün son yıllarda gösterdiği gelişim ve birçok ülkenin yenilenebilir enerji politikaları, doğa dostu yatırımcıların önünü açmıştır. Bu çalışmada, İTÜ Enerji Enstitü'nde kurulan 1.8 kW ve 30 kW'lık türbinlerin Wasp ve WindPro akış alan dağılım modelleri ile yıllık üretimleri hesaplanmış ve bölgenin rüzgar ve enerji potansiyeli analizi yapılmıştır. 10 m'deki ortalama rüzgar şiddeti 2.5 m/sn ve ortalama güç yoğunluğu 28 W/m olarak bulunmuştur. 30 kW'lık türbinin yıllık üretimi Wasp modelinde yaklaşık 10 MWh olarak hesaplanmıştır. Ayrıca 1.8 kW'lık türbinin yıllık üretimi de 500 kWh olarak bulunmuştur. Bölge, İstanbul Boğazı'na olan yakınlığı ile avantajlı olmakla birlikte, bölgedeki yüksek yapılaşmalar, rüzgar enerjisi potansiyelini büyük oranda azalttığı tespit edilmiştir. Bu nedenle, incelenen bölge, ticari amaçla enerji üretimi açısından uygun bulunmamıştır. Bu çalışmada incelemesi yapılan rüzgar enerjisi sisteminin, İTÜ Enerji Enstitüsü'ndeki bazı dersliklerin aydınlatmasında ve rüzgar enerjisi uygulamalı eğitimlerinde kullanılması planlanmaktadır.Bu çalışma kapsamında, gerçekte rüzgar enerji sisteminin kurulumundan önce önemli olan rüzgar analizi ve türbinlerin yıllık üretimleri hesaplanmıştır. Ayrıca, işletim aşamasında enerji planlaması için önemli olacağı bilinen rüzgar verisi öngörüsü için AR Model, Kalman Filtresi ve Yapay Sinir Ağları ile zaman serisi analizi yapılarak başarımları değerlendirilmiştir. Bu sonuçlara göre, Yapay Sinir Ağının, hem rüzgar şiddeti ve hem de yönünün öngörüsünde en başarılı metod olduğu görülmüştür. The continuous usage of fossil fuels as primary energy source is the reason of the emission of CO and powerless economy of the country affected by the great fluctuations in the unit price of energy sources. In recent years, developments in wind energy sector and the supporting new renewable energy policies of the countries allow the new wind farm owners and the firms who expect to be an owner to consider and invest on the renewable sources. In this study, the annual production of the turbines with 1.8 kW and 30 kW which are available in ITU Energy Institute is calculated by Wasp and WindPro Field Flow Models and the wind characteristics of the area are analysed. The average wind speed at 10m on the meteorological mast is found to be 2.5 m/s and the average power density is 28 W/m . The turbine with 30 kW rated power is expected to produce nearly 10 MWh annual energy and the turbine with 1.8 kW nominal power is expected to produce 500 kWh/year. As an advantage, the region is nearly 3.5 km close to the İstanbul Bosphorous but the new buildings with an average height of 150m has a great influence on the wind flow and decrease the wind energy potential which is produced by the Bosphorous effect. Therefore, from the economical perspective, the examined area was not found to be beneficial to produce wind energy. However, the energy obtained from the turbines in this area was found to be enough to supply energy for the illumination purposes of the classrooms in the Institute. For the educational purposes, it will also be useful to be used in class-applications of wind energy carried in the university.This study, which determines wind characteristics and expected annual production, is important for this Project Site and therefore gains importance before the construction of wind energy system. However, when the system is operating, developing the energy management skills, forecasting the wind speed and direction will become important. At this point, Kalman Filter, AR Model and Neural Networks are used to determine the success of each method for correct wind prediction.
Collections