Akademik Veri Yönetim Sistemi
Gazi Mühendislik Bilimleri Dergisi, cilt.10, sa.2, ss.329-347, 2024 (Hakemli Dergi)
Rüzgar enerjisi oldukça popüler bir yenilenebilir enerji kaynağıdır ve çevre dostu olması,
yenilenebilir olması ve büyük rezervlere sahip olması gibi faydaları nedeniyle dünya
çapında bir enerji kaynağı olarak kullanılmaktadır. Rüzgar hızının olasılık yoğunluk
dağılımı, rüzgar gücü yoğunluğunu tahmin etmek için kullanılabilmektedir. Bu çalışmada,
toplam rüzgar gücünün tek bir rastgele değişkenle tanımlandığı varsayımını analitik olarak
ortadan kaldırmak ve rüzgar gücü olasılık yoğunluk dağılımını hesaplamak için Weibull ve
Rayleigh yoğunluk dağılımları kullanılmıştır. Karmaşık yüksek boyutlu stokastik rüzgar
enerjisinin modellenmesinde, çeşitli matematiksel yaklaşımlarla çözülebilmesine rağmen
genellikle çok sayıda jeneratör, bara, planlama periyodu ve doğrusal olmayan stokastik
değişkenler içeren büyük ölçekli güç sistemleri bulunduğundan oldukça yavaştır. Optimum
noktayı ararken çoğu zaman çözümler gerçeklikten uzak olmaktadır. Sonuç olarak, rüzgar
parametrelerinin elde edilmesinde günümüzde klasik matematiksel yöntemlerin yerini
sezgisel yöntemler almıştır. Dolayısıyla sezgisel yöntemlerin klasik yöntemlere göre
avantajı, daha kısa sürede ve daha yüksek hassasiyetle etkin çözümler üretebilmesidir. Bu
nedenle, bu çalışmada rüzgar gücü parametre hesaplamalarının doğruluğunu araştırmak
için bilinen başarılı metasezgisel algoritmalardan Symbiosis Organisms Search (SOS) ve
Yapay Arı Kolonisi (ABC) algoritmaları ile klasik istatistiksel yöntemlerden Enerji Eğilim
Faktörü ve Maksimum Olabilirlik yöntemleri kullanılmıştır.
Wind energy is a very popular renewable energy resource and is used as an energy source
global because of its benefits of being environmentally friendly, renewable and having great
reserves. The probability density distribution of wind speed can be used to estimate wind
power density. In this study, Weibull and Rayleigh density distributions were employed to
analytically eliminate the presumption that the total wind power is described by a single
random variant and to calculate the wind power probability density distribution. In the
modeling of complex high-dimensional stochastic wind power, although it can be solved
with various mathematical approaches, since there are generally large-scale power systems
containing many generators, buses, planning periods and non-linear stochastic variables, it
is quite leisurely in searching for the optimum point and most of the time the solutions are
far from reality. Consequently, heuristic methods have now substituted classical
mathematical methods in obtaining wind parameters. Therefore, the advantage of heuristic
methods compared to classical methods is that they can produce efficient solutions in a
shorter time and with greater precision. Therefore, in this study, the main metaheuristic
algorithms Symbiosis Organisms Search (SOS) and Artificial Bee Colony (ABC) algorithms
and the classical statistical methods Energy Pattern Factor and Maximum Likelihood
Method were employed to investigate the accuracy of wind power parameter calculations.