Makine öğrenme ve derin öğrenme ile rüzgâr hızının tahmini

Günümüzde, enerji sektörü, teknolojik ilerlemelerin hız kazanması ve çevresel etkenlerin etkisiyle önemli değişimlere maruz kalmaktadır. Bu değişim sürecinde, yenilenebilir enerji kaynakları, özellikle rüzgâr enerjisi, giderek artan bir öneme sahiptir. Rüzgâr enerjisi, sürdürülebilir enerji portföylerinde kilit bir rol oynamakta olup, rüzgâr hızı tahmini, rüzgâr enerjisi santrallerinin performansını artırmak ve enerji üretim süreçlerini optimize etmek için kritik bir unsurdur. Bu araştırma, rüzgâr enerjisi potansiyelinin en etkili şekilde değerlendirilmesi amacıyla Çanakkale ili Bozcada, Gökçeada, Ezine ve Ayvacık ilçelerindeki rüzgâr hızı tahminine odaklanmıştır. Rüzgâr hızının doğru tahmin edilmesi, rüzgâr enerjisi santrallerinin verimliliğini artırarak enerji üretimindeki dalgalanmaları minimize etme potansiyeline sahiptir. Bu çalışma, rüzgâr hızı tahminini iyileştirmek için farklı makine öğrenmesi ve derin öğrenme algoritmalarının performansını incelemektedir. Uygulanan algoritmalar arasında Uzun Kısa Süreli Bellek (LSTM), Aşırı Dereceli Artırma (XGBoost), k-En Yakın Komşu, Yapay Sinir Ağları ve Evrişimli Sinir Ağları gibi önemli modeller bulunmaktadır. Sonuçlar, rüzgâr hızı tahmininde LSTM ve XGBoost değerlerinin genellikle yüksek bir doğruluk sağladığını ve diğer modellere göre daha başarılı olduğunu göstermektedir. XGBoost modeli, Ayvacık ilçesinde 0,9438 R-kare değeriyle en yüksek doğruluğu sağlarken, Bozcaada ve Ezine'de de benzer şekilde yüksek R-kare ve düşük hata metrikleriyle dikkat çekmiştir. Öte yandan, Gökçeada ilçesinde LSTM modeli 0,964 R-kare değeriyle diğer modellere göre yüksek doğruluk sağlamış, ancak MAPE gibi bazı hata metriklerinde dezavantaj göstermiştir. Bu bulgular, genellikle LSTM modelinin rüzgâr hızı tahmininde yüksek doğruluğa sahip olduğunu ve bazı durumlarda diğer modellerin de uygun olduğunu göstermektedir. Bu bulgular, tahmin modellerinin veri kalitesinin iyileştirilmesi ve farklı algoritmaların kullanılmasıyla doğruluğunun artırılabileceğini vurgulamaktadır. Gelecekteki araştırmaların, rüzgâr enerjisi sektöründe tahmin modellerinin daha da geliştirilmesi ve operasyonel verimliliğin artırılması üzerine odaklanması gerektiği sonucuna varılmıştır.