Derin öğrenme tabanlı hibrit tahminleme modeli kullanarak rüzgar hızı tahminlemesi

Günümüzde enerjiye ihtiyaç gün geçtikçe artmaktadır. Bu talebin karşılanabilmesi için fosil temelli kaynaklara göre daha çevreci bir yapıya sahip olan yenilenebilir enerji kaynakları ön plana çıkmaktadır. Bu enerji kaynaklarının başında gelen rüzgar enerjisine, sahip olduğu ekonomik ve çevresel birçok avantajlardan dolayı araştırmacılar tarafından son yıllarda yoğun ilgi gösterilmektedir. Özellikle rüzgar enerjisi çevrim sistemlerinin en önemli girdisini rüzgar hızı oluşturmaktadır. Rüzgar hızının değişkenlik gösteren doğası gereği, enterkonnekte sistemlere dahil edilmesinde sorunlarla karşılaşılmaktadır. Karşılaşılan bu sorunların çözümlenmesinde rüzgar hızının doğru ve güvenilir bir şekilde tahminlemesi üzerinde yoğun çalışmalar gerçekleştirilmektedir. Gerçekleştirilen bu çalışmalar ile yüksek doğrulukta tahmin edilen rüzgar hızı kullanılarak başarılı, verimli enerji sistemleri ve bu sistemlerin optimizasyonu sağlanabilmektedir. Bu tez çalışmasında derin öğrenme yöntemleri ile rüzgar hızı tahmini için hibrit bir model önerilmektedir. Önerilen model Evrişimsel Sinir Ağları (CNN) ve Kapılı Tekrarlayan Birim (GRU) modellerinden oluşmaktadır. Bu tez çalışmasında yer alan rüzgar hızı verileri Tokat Gaziosmanpaşa Üniversitesi Mühendislik ve Mimarlık Fakültesi yerleşkesinde yer alan ölçüm istasyonundan elde edilmiştir. İstasyonda yer alan sensörler aracılığı ile 1'er saat aralıklar ile 3 yıllık (2018-2020) veri seti oluşturulmuştur. Oluşturulan veri seti kullanılmadan önce normalizasyon işlemi ile veri ön işlemesine tabi tutulmuştur. Sonrasında 3 farklı vaka çalışması için veriler haftalık, aylık ve yıllık olmak üzere ayrılmıştır. Önerilen modelin doğruluğu ve güvenilirliği performans kriterleri (MAPE, R2, RMSE) ile test edilmiştir. Modelin başarısını ölçmek için 5 farklı derin öğrenme yöntemleri (CNN-LSTM, CNN-RNN, LSTM-GRU, LSTM, GRU) ile kıyaslanması yapılmıştır. Rüzgar hızı tahminlemesi alanında ilk kez kullanılan CNN-GRU hibrit modeli yapılan kıyaslamalar neticesinde yüksek bir başarı yüzdesi elde ettiği gözlemlenmiştir.