Yapay sinir ağları ile rüzgar ve güneş enerjisi potansiyelinin modellenmesi ve dalgacık dönüşümü ile analizi

Abstract

Son yıllarda fosil yakıt kaynaklarının tükenmesi ve çevresel kaygılar nedeniyle yenilenebilir enerji kaynaklarının mevcut enerji üretiminde kullanım payı giderek artmaktadır. Yenilenebilir enerji kaynaklarından olan rüzgar ve güneş enerjileri temiz, sürdürülebilir ve çevre dostu enerji kaynağı olmaları nedeniyle öne çıkmaktadır. Rüzgar ve güneş enerji potansiyeli, meteorolojik koşullara göre önemli ölçüde değişim gösterir. Rüzgar şiddeti ve güneş radyasyonun değişken ve kontrolünün güç oluşu, güneş ve rüzgar enerjisi sistemlerinde güç kalitesi, üretim tüketim dengesi ve güvenilirlik açısından bazı sorunlara neden olmaktadır. Bu nedenle, rüzgar ve güneş enerjisi sistemlerinin montajı ve işletimi sırasında, sistemlerin kurulduğu bölgelerin rüzgar şiddeti ve güneş radyasyonu özelliklerinin bilinmesi ve tahmin edilmesi çok önemlidir.Bu çalışmada, İstanbul Büyükçekmece İlçesi Eskice Bölgesine ait 2016 yılı meteorolojik verileri (rüzgar şiddeti ve güneş radyasyonu), istatistiksel yöntemler ve dalgacık dönüşümü yardımıyla mevsimsel olarak incelenmiştir. Böylece çalışma alanındaki rüzgar ve güneş enerjisi potansiyelleri ve bu potansiyelleri etkileyen küçük, orta ve büyük ölçekli olayların rolleri belirlenmiştir. Ek olarak değişik meteorolojik veriler (rüzgar şiddeti, güneş radyasyonu, UV radyasyon indis, toprak üstü 5cm sıcaklık, sıcaklık 2m, rüzgar yönü) kullanılarak rüzgar şiddeti ve güneş radyasyonu için ileriye yönelik kısa ve orta vadeli bir tahmin çalışması yapılmıştır. Modelleme için geleneksel istatistiksel yöntemlerden biri olan Çoklu Lineer Regresyon (ÇLR) ve esnek hesaplama yöntemlerinden biri olan Yapay Sinir Ağları (YSA) kullanılmıştır. YSA modellerinin performansını arttırmak için verilere dalgacık dönüşümü ön işlemi uygulanarak Dalgacık Yapay Sinir Ağı (D-YSA) hibrit modelleri geliştirilmiştir.Geliştirilen tüm modeller istatistiksel olarak karşılaştırılmıştır. Mevsimsel olarak, rüzgar şiddeti için en başarılı modelin yaz mevsimini temsilen seçilen Haziran ayında ve R2, nRMSE ve MAPE(%) için sırasıyla 0.634, 0.327, 26.07 değerlerine sahip D-YSA modelinin olduğu saptanmıştır. Güneş radyasyonu analizlerine dayalı olarak en başarılı tahminin yine Haziran ayında elde edildiği saptanmıştır. Bu aşamada kullanılan D-YSA modeli ile güneş radyasyonu için R2, nRMSE ve MAPE(%) değerleri sırasıyla 0.842, 0.471, 27.84 olarak hesaplanmıştır. Sonuç olarak, YSA kullanarak rüzgar şiddeti ve güneş radyasyonu tahmininde, dalgacık dönüşümü ile ön işlem yapmanın başarıyı arttırdığı gözlenmiştir. Bu verilere dayalı olarak seçilen inceleme bölgesinde ve Haziran ayında rüzgar ve güneş enerji potansiyelinin yeter güvenirlik ile tahmin edilebileceği vurgulanabilir.Anahtar Kelimeler : Rüzgar ve Güneş Enerjisi, Çoklu Lineer Regresyon, Dalgacık Dönüşümü, Yapay Sinir Ağları , Dalgacık - YSA

In recent years, due to the depletion of fossil fuel resources and environmental concerns, the share of renewable energy resources in the current energy production show an increasing trend. Wind and solar energy as renewable energy sources are sustainable, clean and environmental friendly energy sources. The wind and solar energy potential show significant variations along with the meteorological conditions. Controlling mechanisms of wind and solar energy potential are not easy. These mecanisims cause some problems in terms of power quality, production consumption balance and reliability in solar and wind energy systems. For this reason, it is very important to know and estimate the wind speed and solar radiation characteristics during the installation and operation of wind and solar systems.In this study, meteorological data (wind speed, solar radiation) at the Eskice Region (Büyükçekmece District, Istanbul) in 2016 was analysed by using statistical methods and wavelet transforms. The roles of small, medium and large-scale factors on wind and solar energy potential variation were seasonally evaluated in the study area. In the second part of the thesis is related with a short and medium term modelling of energy potentiel based on different meteorological data (wind speed, solar radiation, UV radiation index, above ground 5cm temperature, temperature 2m, wind direction). Multiple Linear Regression (MLR), one of the traditional statistical methods for modeling, and Artificial Neural Networks (ANN), which is one of the soft computing methods, were considered in this part of the thesis. In order to improve the performance of ANN models, Wavelet Artificial Neural Network (W-ANN) hybrid models have been developed by applying wavelet transform.Observations and model outputs were compared by error analyses. Succes ratio and reliability of models for wind speed (and wind energy potential) estimations are higher in summer (June) than other seasons. Based on seasonal success ratio of D-ANN for wind speed model, R2, nRMSE and MAPE(%) are 0.634, 0.327, 26.07 respectively in June. Based on solar radiation analysis, the most reliable estimation for solar energy potential was also obtained in June. Based on W-ANN model, R2, nRMSE and MAPE(%) values were calculated as 0.842, 0.471, 27.84 respectively in June. As a coclusion, it has been observed that pre-process with a wavelet transformation with ANN increases the success ratio in estimation of wind speed and solar radiation. Based on these results, it can be underlined that the wind and solar energy potential can be estimated with sufficient reliability in the study area in June.Keywords: Wind Energy, Solar Energy, Multiple Linear Regression, Wavelet Transform, Artificial Neural Networks, Wavelet – ANN