Ağaç tabanlı makine öğrenmesi algoritmalarıyla hidroelektrik güç tahmini

Hidroelektrik enerji, en eski ve temel yenilenebilir enerji kaynağıdır. Türkiye'de hızlı ekonomik ve nüfus artışı nedeniyle enerji talebi sürekli artmaktadır ve bu durum hidroelektrik enerjiyi Türkiye'nin enerji kaynakları için kritik hale getirmektedir. Hidroelektrik santral planlaması ve uygulaması, devlet ve enerji işletmeleri için büyük önem taşımaktadır. Hidroelektrik enerji, mevsimsel bağımlılığı nedeniyle tahmin algoritmaları için uygundur. Hidroelektrik enerjinin doğru tahmin edilmesi, karbon emisyonlarının azaltılması, üretim verimliliği ve çevresel sürdürülebilirlik sağlar. Bu tez, kapasitesi 100 MW'ın üzerindeki faal bir hidroelektrik güç santralinin güç üretimini tahmin etmek için ağaç tabanlı makine öğrenmesi algoritmalarından faydalanarak model geliştirmeyi, incelemeyi ve uygulamayı amaçlamaktadır. Bu amaçla, üretim verileri, tarih-saat kayıtları, geçmiş güç üretimi ve sıcaklık ölçümleri kullanılmıştır. Tez kapsamında, EÜAŞ Aslantaş HES seçilmiştir. Güç üretim verileri, EXIST Şeffaflık Platformu'ndan alınmıştır. Veriler, Python kullanılarak işlenmiş, kodlanmış ve tahmin edilmiştir. Rastgele orman ve gradyan artırımlı karar ağaçları algoritmalarının uyumluluğu ve etkinliği incelenmiştir. En uygun algoritma, kapsamlı testlerle performansa bağlı olarak belirlenmiştir. Bu sistematik yaklaşım, hidroelektrik güç üretim tahmini için en uygun algoritmayı belirleyecektir. Analizler, rastgele orman ve gradyan artırımlı karar ağaçları modellerinin hidroelektrik üretimi tahmin etmede etkili olduğunu göstermiştir. Ancak, rastgele orman modeli daha üstün performans sergilemiştir.