Enerji sektöründe arz-talep yönetimi, gelişmekte olan ve büyüyen ülke ekonomileri için öncelikli öneme sahiptir. Artan nüfusa, yükselen ekonomiye ve sanayideki gelişmelere bağlı olarak ülkelerin enerji ihtiyaçları da büyük ölçüde artmaktadır. Bu nedenle, gelecekteki elektrik arz-talep eğilimlerinin doğru ve güvenilir bir şekilde tahmin edilmesi için modeller kullanılması, tüketiciler ve bu alandaki yatırımcılar için dikkat çeken bir konu olmuştur. Bu çalışmada, Türkiye kısa dönem elektrik yük talep tahminini gerçekleştirebilmek için başarıları literatürde kanıtlanmış makine öğrenmesi yöntemlerinden, Yapay Sinir Ağları, Ridge Regresyon, Lasso Regresyon ve Destek Vektör Regresyonu kullanılmıştır. Tahmin modellerinde kullanılan veriler Türkiye Elektrik İletim Anonim Şirketi’nden temin edilmiştir. Geçmişe dönük saatlik frekansta ölçülmüş bir yıllık veri seti ile bir saatlik ileriye yönelik tahminler gerçekleştirilmiştir. Yöntemlerden elde edilen sonuçların karşılaştırılabilmesi için literatürde sık kullanılan performans ölçüt kriterlerinden RMSE, MAE ve R^2değerleri hesaplanmıştır. Yapay Sinir Ağları, geliştirilen makine öğrenmesi modelleri arasında RMSE=0,86, MAE=0,62 ve R^2=0,97 sonuçları ile daha başarılı bulunmuştur.
21 June 2022 in Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi
Bu çalışmada kendinden ayarlı bulanık PI (SFPI) kontrolör tabanlı DA-DA yükselten dönüştürücü topolojisi sunulmuştur. Dönüştürücünün kapalı çevrim transfer fonksiyonu elde edilmiş ve kararlılık analizi için küçük işaret modeli incelenerek tasarımı gerçekleştirilmiştir. Giriş-çıkış ilişkisi kara kutu modelleme ile doğrulanmıştır. Sistemin farklı anahtarlama frekanslarında 20 kHz ile 100 kHz aralığındaki davranışları incelenmiştir. Sistemin dinamik tepkisini test etmek için geleneksel PI kontrolör uygulanmış ve sistemde giriş gerilimi ve yük değişimleri gibi durumlarda gerilim regülasyonunun yetersiz olduğu gözlenmiştir. Bu nedenle dönüştürücünün çıkış gerilim regülasyonunu iyileştirmek için SFPI kontrolör önerilmiştir. Önerilen SFPI ile PI kontrolörler yükselme zamanı, yerleşme zamanı ve aşma gibi performans kriterleri ile karşılaştırılmıştır. Analiz sonuçlarına göre önerilen kontrolör ve sönümleme devrelerinin tasarlanması ile güç dönüşümündeki kayıpların azaltılarak sistem veriminin iyileştirildiği gözlenmiştir. Prototipi gerçekleştirilen dönüştürücünün nominal gerilimi 48 V, gücü 100 W olup sistemin genel verimi %92,9 olarak bulunmuştur. Sistemin analiz ve benzetim sonuçları deneysel sonuçlarla doğrulanmıştır.
21 June 2023 in Eskişehir Technical University Journal of Science and Technology A - Applied Sciences and Engineering
IIn recent years, the interest in renewable energy sources has increased due to environmental damage and, the increasing costs of fossil fuel resources, whose current reserves have decreased. Solar energy, an environmentally friendly, clean and sustainable energy source, is one of the most important renewable energy sources. The amount of electrical energy produced from solar energy largely depends on the intensity of solar radiation. For this reason, it is essential to know and accurately predict the characteristics of the solar radiation intensity of the relevant region for the healthy sustainability of the existing solar energy systems and the systems planned to be installed. For this purpose, a two-stage forecasting model was developed using the hourly solar radiation intensity of 2014 in a region in Turkey. In the first stage of the study, the second month of each season was selected to investigate the seasonal effects of the region and large, medium, and small-scale events in the study area were examined using discrete wavelet transform. The performances of different mother wavelets in the Artificial Neural Network model with Wavelet Transform (W-ANN) are compared in the second stage. July, the most successful estimation result in seasonal solar radiation intensity was obtained. The most successful RMSE values for January, April, July and October were 65,9471W/m^2, 74,3183 W/m^2, 54,3868 W/m^2, 78,4085 W/m^2 respectively, the coiflet mother wavelet measured it.
Enerji kaynaklarının düzensiz ve bilinçsiz kullanımı çevresel tahribatlara sebep olurken, artan nüfus yoğunluğu, sanayi ve teknolojinin gelişmesi de her geçen gün elektrik enerjisi talebini artırmaktadır. Bu amaçla enerji sektörü yatırımları hem çevre dostu hem de arz-talep dengesini sağlamak adına rüzgâr enerjisi gibi yenilenebilir enerji kaynaklarına yönelmektedir. Rüzgâr enerjisinden elde edilen enerji miktarı rüzgârın yönü ve hızı gibi bölgesel farklılıklara bağlı olarak değişkenlik göstermektedir. Bu enerjinin doğrusal ve durağan olmayan yapısı, mevsimsel ve bölgesel üretim değişimlerinden dolayı kısa dönemde yük tahmini yapmayı oldukça zorlaştırmaktadır. Bu çalışmada, rüzgâr enerjisinden elektrik üretimi tahmini için derin öğrenme metotlarından CNN ve BLSTM mimarilerinin hibrit bir şekilde modellendiği bir yöntem önerilmiştir. Tahmin modelinde, saatlik frekansta ölçülmüş 26280 adet gerçek zamanlı veri kullanılmıştır. Ayrıca tahmin başarısını artırmak adına modelde kullanılan hiperparametre değerleri Grid Search arama algoritması kullanılarak optimize edilmiştir. Önerilen hibrit modelin başarısı BLSTM modeli ile kıyaslanmıştır. Sonuç olarak önerilen CNN-BLSTM modelinin başarım oranını gösteren R2 değeri 0,984 olarak hesaplanmıştır.