Rüzgâr enerji potansiyelinin istatistiksel yöntemler ve genetik algoritmayla hesaplanması

İnsanlık tarihi boyunca nüfusun artması ve mevcut enerji kaynaklarının zamanla yetersiz kalması, insanoğlunu farklı enerji kaynakları arayışı içine sokmuştur. Günümüzde fosil enerji kaynaklarının hızla tükenmesi ve artan çevresel kaygılar yenilenebilir enerji türlerine olan ilgiyi artırmıştır. Yenilenebilir enerji türleri içinde rüzgâr enerjisine olan ilgi son yıllarda oldukça artmıştır. Bir bölgeye rüzgâr enerjisi alanında yatırım yapmak için öncelikle bölgedeki rüzgâr hızının uzun süreli ölçümlerle takip edilip bölgenin rüzgâr enerjisi potansiyelinin belirlenmesi gerekmektedir. Rüzgâr enerjisi potansiyelinin belirlenmesinde en önemli değişken rüzgâr hızıdır ve rüzgâr hızının etkin bir şekilde modellenmesi hem yapılacak yatırımın kârlılığının değerlendirilmesi hem de uygun türbin modellerinin seçimi için oldukça önemlidir. Rüzgâr hızının modellenmesinde farklı dağılımlar kullanılmaktadır. Bu tez çalışmasında rüzgâr hızı modellemesinde yaygın olarak kullanılan istatistiksel dağılımlardan Weibull, gamma, normal ve log-normal dağılım ile bu dağılımların iki tepeli karma formları üç farklı bölgede ölçülen rüzgâr hızı gözlemleri kullanılarak karşılaştırılmıştır. Model parametreleri en çok olabilirlik yöntemi ile tahmin edilmiş, tahmin edicilerin optimizasyonunda Newton-Raphson (NR), Broyden-FletcherGoldfarb-Shanno, Nelder-Mead ve Benzetimli Tavlama (BT) metotları kullanılmıştır. Karşılaştırmalar sonunda iki tepeli karma Weibull (WW) dağılımın başarılı dağılımlardan biri olduğu belirlenmiştir. Sonraki kısımda WW dağılımının en çok olabilirlik tahmin edicilerinin elde edilmesi için Beklenti Maksimizasyonu (BM) algoritmasına ve bootstrap tekniğine dayalı bir arama uzayına sahip genetik algoritma (GA) yöntemi önerilmiş, önerilen yöntem NR, BM ve BT metotlarıyla karşılaştırılmıştır. Kolmogorov-Smirnov test istatistiği, kök ortalama hata kare, belirlilik katsayısı ve deficiency kriterlerine göre önerilen GA metodu diğer metotlardan daha etkin tahminler sunmuştur. Anahtar Kelimeler: Genetik Algoritma, Sonlu Karma Dağılımlar, Weibull dağılımı, Beklenti Maksimizasyonu Algoritması, rüzgâr hızı modellemesi