Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2018
Öğrenci: ALPER KEREM
Danışman: ALİ SAYGIN
Özet:Rüzgar anlık değişim gösterebilen kesikli bir yapıya sahiptir. Bu sebeple rüzgar hızı ve rüzgar gücü tahmin işlemlerinin doğru yapılabilmesi bir hayli zor olmaktadır. Rüzgar hızı ve rüzgar gücünün doğru tahmini rüzgar tarlalarının konumunun belirlenmesi, enerji birim maliyetinin önceden şekilllenmesi, verimli enerji yatırımları, şebeke güvenliği vb. gibi nedenlerden dolayı hayati öneme sahiptir. Bu amaçla, bu çalışmada rüzgar hızı ve rüzgar gücü tahmin çalışmaları için doğruluk oranı yüksek, hızlı ve kararlı çalışan yeni bir tahmin modeli geliştirilmesi amaçlanmıştır. Çalışmaya Yapay Sinir Ağlarının (Artifical Neural Networks, YSA) literatürde yer alan bazı meta-sezgisel algoritmalar ile (Evrimsel Strateji (Evolutionary Strategy, ES), Genetik Algoritma (Genetic Algorithm, GA), Karınca Kolonisi Optimizasyonu (Ant Colony Optimization, ACO), Olasılık Tabanlı Artımlı Öğrenme (Probability Based Incremental Learning, PBIL), Parçacık Sürü Optimizasyonu (Particle Swarm Optimization, PSO) ve Radyal Hareket Optimizasyonu (Radial Movement Optimization, RMO)) eğitilmesiyle başlanmıştır. İkili oluşturulan her bir modelin başarısı grafiklere dökülerek kayıt altına alınmıştır. Doğruya en yakın tahmini yapabilmek ve sistem kararlılığını artırabilmek için bu kez PSO ve RMO kullanılarak yeni bir meta-sezgisel melez model geliştirilmiş ve YSA'nın eğitimi bu yeni model ile gerçekleştirilmiştir. Uygulama kısmında ise iki farklı illerdeki Rüzgar Ölçüm İstasyonlarından (RÖİ-1: 63m ve RÖİ-2: 60,3 m) temin edilen gerçek veriler kullanılmıştır. Veri setleri, rüzgar hızı ve rüzgar gücü tahmin işlemleri için iki ana grupta incelenerek her grup kendi içinde farklı senaryolara ayrılmıştır. Oluşturulan modelin kullanım kolaylığı açısından kullanıcı ara yüzü MATLAB/ App Designer (R2017b) programında tasarlanarak tüm sistem görsel hale getirilmiştir. PSO+RMO ile eğitilmiş YSA'nın başarısı diğer tüm ikili melez modellerin (ES ile eğitilmiş YSA, GA ile eğitilmiş YSA, ACO ile eğitilmiş YSA, PBIL ile eğitilmiş YSA, PSO ile eğitilmiş YSA ve RMO ile eğitilmiş YSA) herbirinin başarısı ile ayrı ayrı kıyaslanmıştır. Analiz sonuçları incelediğinde, önerilen yeni meta-sezgisel melez modelinin (PSO+RMO ile eğitilmiş YSA) bireysel performansının diğer ikili melez modellerden çok daha başarılı ve güvenilir olduğu görülmüştür.