Geliştirilmiş EEMD-EWT Tabanlı Yapay Sinir Ağı Modeli Kullanarak Çok Adımlı Rüzgar Hızı Tahmini
Yazarlar (2)
Prof. Dr. Cem EMEKSİZ Tokat Gaziosmanpaşa Üniversitesi, Türkiye
Mustafa Tan
| Makale Türü |
Özgün Makale
(Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale)
|
||
| Dergi Adı | Avrupa Bilim ve Teknoloji Dergisi | ||
| Dergi ISSN | 2148-2683 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | Türkçe | Basım Tarihi | 07-2021 |
| Cilt / Sayı / Sayfa | – / 26 / 165–173 | DOI | – |
| Makale Linki | https://dergipark.org.tr/tr/pub/ejosat/issue/62946 | ||
| UAK Araştırma Alanları |
Yenilenebilir Enerji Sistemleri
Elektrik Makineleri ve Enerji Dönüşümü
|
||
| Özet |
| Rüzgar hızı tahminlemesi rüzgar güç dönüşüm sistemleri için oldukça önemlidir. Bu çalışmada kısa vadeli rüzgar hızı tahminlemesi için hibrit bir ayrıklaştırma yöntemi önerilmiştir. Önerilen yöntemde Toplu ampirik mod ayrıştırma (Ensemble Empirical Mode Decomposition, EEMD) ve Ampirik dalgacık dönüşümü (Emprical wavelet transform, EWT) birlikte kullanılmıştır. İlk defa kullanılan bu kombinasyon sonucunda elde edilen ayrıklaştırılmış rüzgar hızı sinyalleri kısmi otokorelasyon fonksiyonu (Partial autocorrelation function, PACF) ile öznitelik çıkarma işlemine tabi tutulmuştur. Elde edilen öznitelikler, geri beslemeli sinir ağına (Back propagation neural networks, BPNN) uygulanmak suretiyle çok adımlı rüzgar hız tahminleme işlemi gerçekleştirilmiştir. Önerilen modelin birbirinden bağımsız teknikler kullanılarak yapılan tekil ayrıklaştırmaya göre çok daha doğru ve güvenilir sonuçlar verdiği tespit edilmiştir. Çalışmada kullanılan veriler Tokat Gaziosmanpaşa Üniversitesi Taşlıçiftlik Kampüsü içerisinde kurulan ölçüm istasyonundan toplanmıştır. Önerilen hibrit model, yüksek hassasiyetli rüzgar hızı tahminleri için güvenilir, güçlü ve etkili olduğu kadar veri madenciliği uygulamalarında da kolaylıkla kullanılabilir. Tahmin performansının genel tahmin doğruluğu yaygın olarak kullanılan üç genel hata değerlendirme endeksi olan determinasyon katsayısı (determination coefficient (R2), ortalama mutlak yüzde hata (mean absolute percent error (MAPE) ve ortalama karekök hata (root mean square error (RMSE)) ile gerçekleştirildi. |
| Anahtar Kelimeler |
