Theses supervised by Prof. Dr. Okan Bingöl
14 theses · Isparta University of Applied Sciences
İklimlendirme sistemlerinde kullanılan fan yükü uygulamaları için GMSM sürücü tasarımı
Gömülü mıknatıslı senkron motorlar (GMSM), endüstriyel ve otomotiv sektöründeki HVAC (Isıtma, havalandırma ve iklimlendirme), fan ve pompa motorlarında yaygın bir şekilde kullanılmaktadırlar. Gelişen yazılım ve donanım teknolojileri ile birlikte GMSM'ların verimlerini artırmak üzere birçok çalışma yapılmaktadır. Çalışmalar sonucunda GMSM'un kontrolünde alan yönlendirmeli kontrol (AYK) ve doğrudan moment kontrolünün (DMK) yaygın bir şekilde kullanıldığı görülmüştür. Eviricilerdeki yüksek anahtarlama frekansına sahip yarıiletken güç anahtarları farklı darbe genişlik modülasyonları (DGM) kullanılarak kontrol edilmektedir. Bu tez çalışmasında, üç fazlı evirici tarafından beslenen GMSM'un fan yükünde alan yönlendirmeli kontrolü gerçekleştirilmiştir. Üç fazlı eviriciyi kontrol etmek için uzay vektör darbe genişlik modülasyonu (UVDGM) yöntemi kullanılmıştır. Uygulama çalışmalarında STM32F031 mikrodenetleyicisi kullanılmıştır. GMSM'na bağlı eksenel fanın tepkisini incelemek için deney düzeneği gerçekleştirilmiştir. GMSM sürücüsü üzerinde zıt elektromanyetik kuvvet (EMK) algılama devresinde çalışmalar yapılarak 4.2V değerine kadar anlık gerilim yükselmeleri mevcut devre iyileştirilerek gerilim yükselmeleri 3.6V'u geçmediği gözlemlenmiştir.
4 eksenli endüstriyel robot kol tasarımı ve görüntü işleme destekli kontrolü
Endüstriyel robot kolları, otomotiv üretimi, elektronik montaj, gıda paketleme, ilaç endüstrisi ve lojistik gibi alanlarda yaygın olarak kullanılmaktadır. Gelişen yazılım ve donanım teknolojileri ile birlikte endüstriyel robot kolların kontrol ve programlanma kolaylığı için birçok çalışma yapılmaktadır. Yapılan çalışmalarda robotların kontrolü ve programlanmasında farklı sensörler, algoritmalar ve hatta yapay zeka gibi güncel yöntemler kullanılmaktadır. Bu çalışmalar endüstriyel robot kolların daha hassas ve verimli bir şekilde çalışmasını sağlayarak üretim süreçlerinin iyileştirilmesini hedeflemektedir. Bu tez çalışmasında, belirtilen hedeflere katkı sağlamak amacıyla tez kapsamında geliştirilen dört eksenli endüstriyel robot kolunun görüntü işleme tabanlı kontrolü ve programlaması gerçekleştirilmiştir. Alınan görüntülerden poz tahminleme yöntemiyle elde edilen veriler, insan vücudu eklemlerinin belirlenmesinde ve robot kol eksenlerinin kontrolünde kullanılmak üzere işlenmiştir. Görüntülerden insan vücudu eklemlerinin konumlarını tahmin etmek amacıyla poz tahmini için geliştirilmiş olan MediaPipe kütüphanesi kullanılmıştır. Poz tahmin verileri ile yine tez kapsamında geliştirilen bir mikroişlemci kartı vasıtasıyla endüstriyel robot kolunun kontrolü sağlanmıştır. Kamera ve insan arasındaki farklı mesafelerde yapılan testlerle sistemin çalışma doğruluğu analiz edilmiştir.
Veri ön işleme teknikleri ile kısa dönem elektrik tüketim tahmininde makine öğrenmesi modelleri: İzmir ili örneği
Son yıllarda insan nüfusunun artması ile birlikte elektrik enerjisine olan talepte de artış gözlenmektedir. Elektrik enerjisine olan talebin artmasının yanı sıra elektrik üretiminde kullanılan fosil kaynaklarında giderek azalması, elektrik tüketimi talebinin doğru tahmin edilmesinin önemini arttırmıştır. Bu çalışmada İzmir ilinin 01.01.2017 ile 31.12.2021 tarihleri arasındaki saatlik ölçekteki elektrik tüketim verileri kullanılarak kısa dönem elektrik tüketim tahmin modelleri geliştirilmiştir. Yapay sinir ağı modelleri ile birlikte, başarı oranını arttırmak amacı ile, farklı öznitelik çıkarım yöntemleri kullanılarak on iki farklı model oluşturulmuştur. Oluşturulan bu modellerden elde edilen sonuçlar geleneksel yöntemlerden biri olan ARIMA yöntemi ile karşılaştırılmıştır. Çalışmada sonucunda gerçek değerler ile oluşturulan modelden elde edilen tahmin değeri MAPE, RMSE, MAE vb. başarı değerlendirme kriterleri açısından karşılaştırılmış ve en doğru tahmin sonucu veren model belirlenmeye çalışılmıştır. Araştırma sonucunda elde edilen veriler incelendiğinde, en iyi performansın değişken mod ayrıştırma yöntemi ile entropi yönteminin bir arada kullanıldığı modelde sağlandığı belirlenmiştir. Bu model, MAPE (Ortalama Mutlak Yüzde Hatası) başarı değerlendirme kriterine göre 0,4394 değerine ulaşarak üstün bir performans sergilemiştir. Ayrıca, modelin belirleme katsayısı (R²) başarı kriterine göre elde ettiği 0,997 değeri, modelin yüksek bir doğruluk oranına sahip olduğunu göstermektedir. Bu sonuçlar, bahsi geçen yöntemin diğer yöntemlere kıyasla daha etkili ve güvenilir olduğunu ortaya koymaktadır Bu sonuçlar, geleneksel yöntemlerden biri olan ARIMA modeli ile karşılaştırılmıştır. ARIMA modeli kullanılarak yapılan yük tahmini çalışmasında, MAPE değeri 23,13 olarak bulunmuştur. Bu karşılaştırma, değişken mod ayrıştırma yöntemi ve entropi yönteminin birlikte kullanıldığı modelin, ARIMA modeline kıyasla çok daha düşük bir hata oranı ile çalıştığını ve daha doğru tahminler ürettiğini açıkça göstermektedir. Bu da modern yöntemlerin geleneksel yöntemlere göre üstünlük sağladığını ve daha güvenilir sonuçlar verdiğini kanıtlamaktadır.
Makine öğrenmesi yöntemleri ile uyku-uyanıklık tahmini
Uyku, sağlığımız ve genel yaşam kalitemiz için hayati bir öneme sahiptir. Yeterli ve kaliteli uyku, enerji seviyelerimizi artırır, odaklanma yeteneğimizi geliştirir ve ruh halimizi olumlu yönde etkiler. Ayrıca, düzenli ve sağlıklı bir uyku alışkanlığı, birçok kronik hastalığın önlenmesine katkı sağlar. Buna karşın, uyku süresinin kısa olması veya uyku kalitesinin düşük olması, bireylerde çeşitli sağlık sorunlarına yol açabilir. Bu nedenle, uyku kalitesinin düzenli olarak izlenmesi ve analiz edilmesi büyük önem taşımaktadır. Günümüzde sağlık teknolojilerindeki yenilikler sayesinde, uykunun kalitesi ve süresi çeşitli cihazlar ve teknikler kullanılarak ölçülmekte ve analiz edilmektedir. Ancak bu tekniklerin genellikle uyku laboratuvarlarında uygulanması, sürecin zaman alıcı ve maliyetli olmasına neden olmaktadır. Ayrıca, uyku laboratuvarlarına erişimin zor olması, uyku analizinin herkes için uygun olmamasına yol açmaktadır. Bu durumlar, uyku analizinde alternatif ve daha erişilebilir yöntemlerin gerekliliğini ortaya koymaktadır. Bu tez çalışmasında, uyku ve uyanıklık durumlarının tahmin edilmesinde beş farklı makine öğrenmesi algoritmasının etkinliği incelenmiştir. Çalışma, algoritmaların zaman serisi verilerini modelleme kabiliyetleri ve sürekli, sıralı verilere sahip problemlere uygunluklarını değerlendirmiştir. Sonuçlara göre, Uzun Kısa Süreli Bellek (LSTM) algoritması, uyku/uyanıklık tahmininde %93.48 doğruluk oranıyla en yüksek başarıyı elde etmiştir. Bunun yanı sıra, Rastgele Orman algoritması %81, Karar Ağaçları ise %76 başarı göstermiştir. Elde edilen bu sonuçlar, sürekli ve sıralı verilerin bulunduğu problemlerde LSTM algoritmasının ideal bir seçenek olduğunu göstermektedir. Bu bulgu, uyku ve uyanıklık durumunun tahmin edilmesinde LSTM'nin diğer algoritmalara göre daha etkili olduğunu ve daha gelişmiş uyku analiz yöntemlerinin geliştirilmesine olanak sağladığını göstermektedir.
Batarya depolamalı fotovoltaik sistemlerde meta-sezgisel optimizasyon algoritması tabanlı maksimum güç noktası takibi uygulaması
Günümüzde artan enerji talebi ve çevresel sürdürülebilirlik hedefleri, yenilenebilir enerji kaynaklarının daha etkin kullanımını zorunlu hâle getirmiştir. Yenilenebilir enerji kaynaklarından fotovoltaik sistemler, enerji üretiminde öne çıkan teknolojilerden biri olarak değerlendirilmektedir. Ancak, güneş ışınımındaki dalgalanmalar ve kısmi gölgelenme gibi dış etkenler, fotovoltaik sistemlerin verimliliğini doğrudan etkilemektedir. Bu nedenle, fotovoltaik sistemlerin her koşulda maksimum güç noktasında çalışmasını sağlamak için maksimum güç noktası takip algoritmaları geliştirilmiştir. Aynı zamanda, bu sistemlerin şebekeye entegrasyonunda süreklilik ve güç kalitesi açısından enerji depolama sistemlerinin etkin kullanımı da büyük önem taşımaktadır. Bu tez çalışmasında, şebekeye bağlı PV-BESS sistemi tasarlanarak MPPT ve batarya enerji yönetimi gerçekleştirilmiştir. Üretilen güç, çift yönlü DA-DA dönüştürücüyle batarya grubuna yönlendirilmiş olup, ihtiyaç durumunda ise bataryadan güç alınarak üç fazlı evirici ile şebekeye aktarılmıştır. Tez kapsamında 100 kW'lık bir şebekeye bağlı PV-BESS sistemi, Matlab/Simulink ortamında modellenmiştir. Modellenen sistem; değişen gölgelenme koşullarında kararlı çalışmayı sürdürmekte olup, %0.89 gibi oldukça düşük bir toplam harmonik bozulma değeriyle yüksek kaliteli enerjiyi şebekeye aktarmaktadır. Ayrıca, kullanılan RFO-P&O tabanlı MPPT algoritması ile %99.88'lik yüksek MPPT verimine ulaşılmıştır. Böylece, fotovoltaik tabanlı sistemlerin şebekeye güvenilir ve sürdürülebilir şekilde entegre edilmesine yönelik kapsamlı ve etkin bir çözüm önerisi sunulmuştur.
Makine öğrenmesi yöntemleriyle rüzgâr santrali üretim tahmini
İklim değişikliğinin olumsuz etkileri, fosil yakıtların sonlu rezerve sahip olması ve enerjide dış bağımlılığı azaltması yenilenebilir enerjinin önemini arttırmıştır. Ülkemizin fosil yakıt rezervlerinin yeterli olmaması ve yenilenebilir enerjiye yönelik teşvikler ülkemiz kurulu enerji gücünde yenilenebilir kaynakların oranını arttırmıştır. Ülkemizde rüzgâr santrallerinin kurulu gücü 2021 yılı itibariyle 10 GW'ı aşmıştır. Rüzgârın yenilebilir bir kaynak olması bir avantaj olsa da bu kaynağın süreksiz olmasından dolayı üretimdeki payının artması enterkonnekte sistem işletmecisi için çeşitli problemlere neden olmaktadır. Bu problemlere çözüm olabilmesi için ve elektrik piyasası ve rüzgâr santrali işletmelerinin ihtiyaçlarının karşılanması için rüzgâr gücü tahmini oldukça önemlidir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir.
Makine öğrenmesi yöntemleriyle rüzgâr santrali üretim tahmini
İklim değişikliğinin olumsuz etkileri, fosil yakıtların sonlu rezerve sahip olması ve enerjide dış bağımlılığı azaltması yenilenebilir enerjinin önemini arttırmıştır. Ülkemizin fosil yakıt rezervlerinin yeterli olmaması ve yenilenebilir enerjiye yönelik teşvikler ülkemiz kurulu enerji gücünde yenilenebilir kaynakların oranını arttırmıştır. Ülkemizde rüzgâr santrallerinin kurulu gücü 2021 yılı itibariyle 10 GW'ı aşmıştır. Rüzgârın yenilebilir bir kaynak olması bir avantaj olsa da bu kaynağın süreksiz olmasından dolayı üretimdeki payının artması enterkonnekte sistem işletmecisi için çeşitli problemlere neden olmaktadır. Bu problemlere çözüm olabilmesi için ve elektrik piyasası ve rüzgâr santrali işletmelerinin ihtiyaçlarının karşılanması için rüzgâr gücü tahmini oldukça önemlidir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir.
Makine öğrenmesi yöntemleriyle rüzgâr santrali üretim tahmini
İklim değişikliğinin olumsuz etkileri, fosil yakıtların sonlu rezerve sahip olması ve enerjide dış bağımlılığı azaltması yenilenebilir enerjinin önemini arttırmıştır. Ülkemizin fosil yakıt rezervlerinin yeterli olmaması ve yenilenebilir enerjiye yönelik teşvikler ülkemiz kurulu enerji gücünde yenilenebilir kaynakların oranını arttırmıştır. Ülkemizde rüzgâr santrallerinin kurulu gücü 2021 yılı itibariyle 10 GW'ı aşmıştır. Rüzgârın yenilebilir bir kaynak olması bir avantaj olsa da bu kaynağın süreksiz olmasından dolayı üretimdeki payının artması enterkonnekte sistem işletmecisi için çeşitli problemlere neden olmaktadır. Bu problemlere çözüm olabilmesi için ve elektrik piyasası ve rüzgâr santrali işletmelerinin ihtiyaçlarının karşılanması için rüzgâr gücü tahmini oldukça önemlidir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir.
Rüzgar potansiyelinin tahmininde Weibull dağılım parametrelerinin belirlenmesi: Isparta bölgesi için bir çalışma örneği
Fosil enerji kaynaklarının tükenebilir olması, çevreye zarar vermesi gibi sebeplerden dolayı yenilenebilir enerjiye olan ilgi artmaktadır. Rüzgar enerjisi çevreye zarar vermemesi, dünyanın hemen her yerinde bulunması, sonsuz olması gibi avantajlarından dolayı öne çıkmaktadır. Bir bölgeye rüzgar enerji yatırımı yapılmadan önce bölgenin rüzgar karakteristiği analiz edilmelidir. Weibull dağılımı, rüzgar karakteristiğinin incelenmesinde kullanılan olasılık dağılım yöntemlerinden biridir. Dağılımın parametre hesabında ise çeşitli yöntemler kullanılmaktadır. Dağılımın başarısı, büyük oranda parametre tahmininin başarısına bağlıdır. Bu çalışmada, Isparta bölgesinin rüzgar enerji karakteristiği incelenmiştir. İhtiyaç duyulan rüzgar enerjisi Ekim 2018 – Ekim 2021 tarihleri arasında saatlik olarak kaydedilmiştir. Bölgenin rüzgar karakteristiğini incelemede Weibull dağılımı kullanılmıştır. Dağılımın parametre hesabında ise altı numerik yöntem ve bir metasezgisel algoritma olmak üzere toplam yedi yöntem kullanılmıştır. Justus empirik, moment, grafik, enerji pattern, enerji eğilim ve en yüksek olabilirlik yöntemleri numerik yöntemlerdir. Manta vatozu beslenme optimizasyon algoritması ise metasezgisel yöntemdir. Yöntemlerin başarısı ise ortalama karekök hatası, belirleme katsayısı, ki-kare ve ortalama mutlak hata yöntemleri kullanılarak değerlendirilmiştir. Analiz sonuçlarına bakıldığında manta vatozu beslenme algoritmasının numerik yöntemlere göre daha başarılı olduğu görülmüştür. Numerik yöntemler kendi içlerinde kıyaslandığında ise Justus empirik yönteminin başarılı olduğu görülmüştür. Ayrıca, kullanıcı arayüzü tasarlanmıştır. Böylece, kullanıcıların kolay ve hızlı bir şekilde Weibull ile ilgili çalışma yapmasına olanak sağlanmıştır.
Rüzgar potansiyelinin tahmininde Weibull dağılım parametrelerinin belirlenmesi: Isparta bölgesi için bir çalışma örneği
Fosil enerji kaynaklarının tükenebilir olması, çevreye zarar vermesi gibi sebeplerden dolayı yenilenebilir enerjiye olan ilgi artmaktadır. Rüzgar enerjisi çevreye zarar vermemesi, dünyanın hemen her yerinde bulunması, sonsuz olması gibi avantajlarından dolayı öne çıkmaktadır. Bir bölgeye rüzgar enerji yatırımı yapılmadan önce bölgenin rüzgar karakteristiği analiz edilmelidir. Weibull dağılımı, rüzgar karakteristiğinin incelenmesinde kullanılan olasılık dağılım yöntemlerinden biridir. Dağılımın parametre hesabında ise çeşitli yöntemler kullanılmaktadır. Dağılımın başarısı, büyük oranda parametre tahmininin başarısına bağlıdır. Bu çalışmada, Isparta bölgesinin rüzgar enerji karakteristiği incelenmiştir. İhtiyaç duyulan rüzgar enerjisi Ekim 2018 – Ekim 2021 tarihleri arasında saatlik olarak kaydedilmiştir. Bölgenin rüzgar karakteristiğini incelemede Weibull dağılımı kullanılmıştır. Dağılımın parametre hesabında ise altı numerik yöntem ve bir metasezgisel algoritma olmak üzere toplam yedi yöntem kullanılmıştır. Justus empirik, moment, grafik, enerji pattern, enerji eğilim ve en yüksek olabilirlik yöntemleri numerik yöntemlerdir. Manta vatozu beslenme optimizasyon algoritması ise metasezgisel yöntemdir. Yöntemlerin başarısı ise ortalama karekök hatası, belirleme katsayısı, ki-kare ve ortalama mutlak hata yöntemleri kullanılarak değerlendirilmiştir. Analiz sonuçlarına bakıldığında manta vatozu beslenme algoritmasının numerik yöntemlere göre daha başarılı olduğu görülmüştür. Numerik yöntemler kendi içlerinde kıyaslandığında ise Justus empirik yönteminin başarılı olduğu görülmüştür. Ayrıca, kullanıcı arayüzü tasarlanmıştır. Böylece, kullanıcıların kolay ve hızlı bir şekilde Weibull ile ilgili çalışma yapmasına olanak sağlanmıştır.
Rüzgar potansiyelinin tahmininde Weibull dağılım parametrelerinin belirlenmesi: Isparta bölgesi için bir çalışma örneği
Fosil enerji kaynaklarının tükenebilir olması, çevreye zarar vermesi gibi sebeplerden dolayı yenilenebilir enerjiye olan ilgi artmaktadır. Rüzgar enerjisi çevreye zarar vermemesi, dünyanın hemen her yerinde bulunması, sonsuz olması gibi avantajlarından dolayı öne çıkmaktadır. Bir bölgeye rüzgar enerji yatırımı yapılmadan önce bölgenin rüzgar karakteristiği analiz edilmelidir. Weibull dağılımı, rüzgar karakteristiğinin incelenmesinde kullanılan olasılık dağılım yöntemlerinden biridir. Dağılımın parametre hesabında ise çeşitli yöntemler kullanılmaktadır. Dağılımın başarısı, büyük oranda parametre tahmininin başarısına bağlıdır. Bu çalışmada, Isparta bölgesinin rüzgar enerji karakteristiği incelenmiştir. İhtiyaç duyulan rüzgar enerjisi Ekim 2018 – Ekim 2021 tarihleri arasında saatlik olarak kaydedilmiştir. Bölgenin rüzgar karakteristiğini incelemede Weibull dağılımı kullanılmıştır. Dağılımın parametre hesabında ise altı numerik yöntem ve bir metasezgisel algoritma olmak üzere toplam yedi yöntem kullanılmıştır. Justus empirik, moment, grafik, enerji pattern, enerji eğilim ve en yüksek olabilirlik yöntemleri numerik yöntemlerdir. Manta vatozu beslenme optimizasyon algoritması ise metasezgisel yöntemdir. Yöntemlerin başarısı ise ortalama karekök hatası, belirleme katsayısı, ki-kare ve ortalama mutlak hata yöntemleri kullanılarak değerlendirilmiştir. Analiz sonuçlarına bakıldığında manta vatozu beslenme algoritmasının numerik yöntemlere göre daha başarılı olduğu görülmüştür. Numerik yöntemler kendi içlerinde kıyaslandığında ise Justus empirik yönteminin başarılı olduğu görülmüştür. Ayrıca, kullanıcı arayüzü tasarlanmıştır. Böylece, kullanıcıların kolay ve hızlı bir şekilde Weibull ile ilgili çalışma yapmasına olanak sağlanmıştır.
İki tekerlekli denge araçları için geribeslemeli doğrusallaştırma tabanlı denetleyici tasarımı
Bu tez çalışmasında iki tekerlekli kendini dengeleyen bir aracın denetimi gerçekleştirilmiştir. Aracın matematiksel modellemeleri enerji tabanlı Lagrangian yöntemi ile dinamik ve durum uzay denklemleri olarak oluşturulmuştur. İki tekerlekli denge aracı SolidWorks çizim ortamında 3 boyutlu olarak tasarımı gerçekleştirilmiş ve Matlab/Simulink ortamına aktarılmıştır. Araç Matlab/Simulink ortamında hazırlanan denetleyiciye bağlanarak 3 boyutlu ortamda denetimi yapılmıştır. Ayrıca ters sarkaç sisteminin eğim ve konumunu izleyebilmek için 2 boyutlu simülasyonu da gerçekleştirilmiştir. Aracın denetiminde konumunun yanında denge açısının, sol/sağ dönüş açısı ve hızının denetimi yapılmıştır. Bu denetimler esnasında motorlara aktarılması gereken enerji miktarı sürtünme enerjileri dâhil edilerek verilmiştir. İki tekerlekli denge aracının denetimi için tam durum geribeslemeli doğrusallaştırma, kutup atama ve lineer kuadratik regülatör denetim metotları kullanılmıştır. Kullanılan denetim metotlarının konum, denge açısı, hız ve motor tork değişimlerinin grafikleri verilerek karşılaştırmaları yapılmıştır. Yapılan karşılaştırmalarda geribeslemeli doğrusallaştırma yönteminin aynı şartlarda kutup atama ve lineer kuadratik regülatör' den daha iyi performans verdiği görülmüştür. Geribeslemeli doğrusallaştırma denetim yöntemi iki tekerlekli kendini dengeleyen aracı istenilen konuma götürmede diğerlerinden daha hızlı olmasının yanında denge açısındaki bozulma ise fazla olmamıştır. Lineer kuadratik regülatör 'ün düşük enerji kullanımının yanında performansının da düşük olduğu gözlemlenmiştir.
İki tekerlekli denge araçları için geribeslemeli doğrusallaştırma tabanlı denetleyici tasarımı
Bu tez çalışmasında iki tekerlekli kendini dengeleyen bir aracın denetimi gerçekleştirilmiştir. Aracın matematiksel modellemeleri enerji tabanlı Lagrangian yöntemi ile dinamik ve durum uzay denklemleri olarak oluşturulmuştur. İki tekerlekli denge aracı SolidWorks çizim ortamında 3 boyutlu olarak tasarımı gerçekleştirilmiş ve Matlab/Simulink ortamına aktarılmıştır. Araç Matlab/Simulink ortamında hazırlanan denetleyiciye bağlanarak 3 boyutlu ortamda denetimi yapılmıştır. Ayrıca ters sarkaç sisteminin eğim ve konumunu izleyebilmek için 2 boyutlu simülasyonu da gerçekleştirilmiştir. Aracın denetiminde konumunun yanında denge açısının, sol/sağ dönüş açısı ve hızının denetimi yapılmıştır. Bu denetimler esnasında motorlara aktarılması gereken enerji miktarı sürtünme enerjileri dâhil edilerek verilmiştir. İki tekerlekli denge aracının denetimi için tam durum geribeslemeli doğrusallaştırma, kutup atama ve lineer kuadratik regülatör denetim metotları kullanılmıştır. Kullanılan denetim metotlarının konum, denge açısı, hız ve motor tork değişimlerinin grafikleri verilerek karşılaştırmaları yapılmıştır. Yapılan karşılaştırmalarda geribeslemeli doğrusallaştırma yönteminin aynı şartlarda kutup atama ve lineer kuadratik regülatör' den daha iyi performans verdiği görülmüştür. Geribeslemeli doğrusallaştırma denetim yöntemi iki tekerlekli kendini dengeleyen aracı istenilen konuma götürmede diğerlerinden daha hızlı olmasının yanında denge açısındaki bozulma ise fazla olmamıştır. Lineer kuadratik regülatör 'ün düşük enerji kullanımının yanında performansının da düşük olduğu gözlemlenmiştir.
İki tekerlekli denge araçları için geribeslemeli doğrusallaştırma tabanlı denetleyici tasarımı
Bu tez çalışmasında iki tekerlekli kendini dengeleyen bir aracın denetimi gerçekleştirilmiştir. Aracın matematiksel modellemeleri enerji tabanlı Lagrangian yöntemi ile dinamik ve durum uzay denklemleri olarak oluşturulmuştur. İki tekerlekli denge aracı SolidWorks çizim ortamında 3 boyutlu olarak tasarımı gerçekleştirilmiş ve Matlab/Simulink ortamına aktarılmıştır. Araç Matlab/Simulink ortamında hazırlanan denetleyiciye bağlanarak 3 boyutlu ortamda denetimi yapılmıştır. Ayrıca ters sarkaç sisteminin eğim ve konumunu izleyebilmek için 2 boyutlu simülasyonu da gerçekleştirilmiştir. Aracın denetiminde konumunun yanında denge açısının, sol/sağ dönüş açısı ve hızının denetimi yapılmıştır. Bu denetimler esnasında motorlara aktarılması gereken enerji miktarı sürtünme enerjileri dâhil edilerek verilmiştir. İki tekerlekli denge aracının denetimi için tam durum geribeslemeli doğrusallaştırma, kutup atama ve lineer kuadratik regülatör denetim metotları kullanılmıştır. Kullanılan denetim metotlarının konum, denge açısı, hız ve motor tork değişimlerinin grafikleri verilerek karşılaştırmaları yapılmıştır. Yapılan karşılaştırmalarda geribeslemeli doğrusallaştırma yönteminin aynı şartlarda kutup atama ve lineer kuadratik regülatör' den daha iyi performans verdiği görülmüştür. Geribeslemeli doğrusallaştırma denetim yöntemi iki tekerlekli kendini dengeleyen aracı istenilen konuma götürmede diğerlerinden daha hızlı olmasının yanında denge açısındaki bozulma ise fazla olmamıştır. Lineer kuadratik regülatör 'ün düşük enerji kullanımının yanında performansının da düşük olduğu gözlemlenmiştir.