İkincil ayrıştırma tekniği kullanarak yapay sinir ağı temelli çok adımlı rüzgar hızı tahmini

Son yıllarda, elektrik enerji şebekelerine rüzgar enerjisi üretimini entegre etmenin önemi hızla artmaktadır. Elektrik şebekesi içine rüzgar enerjisini entegre etmenin en büyük zorluğu, rüzgar enerjisinin değişkenliği ve süreksizliğidir. Bu durumla başa çıkmak için en iyi yaklaşım, rüzgar enerjisi üretiminin gelecekteki değerlerini tahmin etmektir. Yüksek doğrulukları ile rüzgar hızı tahmin yöntemleri bu sorunları en aza indirmek için kullanılabilecek etkili bir araçtır. Bu çalışmada model olarak veri ön işleme, kümeleme, tahmin ve değerlendirme olmak üzere 4 modülden oluşan hibrit bir tahmin sistemi önerilmiştir. Çalışmada kullanılan rüzgar hızı verilerini Gaziosmanpaşa Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi yerleşkesinde kurulan rüzgar ölçüm istasyonundan elde edilmiştir. Bu istasyonda kullanılan sensörler aracılığı ile ölçülen rüzgar hızı verileri 10'ar dakika ara ile toplanmış olup bir yıllık veriler üzerinde çalışma yapılmıştır. Önerilen model, veri ön işlemede, ham veri serisi içindeki gürültünün etkisini azaltmak ve özellikleri çıkartmak için yüksek frekanslı sinyallerin kaldırılmasında ayrıştırma teknikleri, veri kümeleme modülünde rüzgar hızı verileri içindeki benzerlik özelliğini çıkarmak için hurst üstel katsayısı, geri yayılımlı yapay sinir ağlarını içeren tahmin modelleri ve yüksek dereceli ve prestijli olarak yayınlanan en son araştırma bulgularına (MAPE, RMSE, R²) dayanmaktadır. Analiz sonuçları önerilen yenilikçi hibrit modelin tahmin doğruluğu açısından karşılaştırılan geleneksel tahmin modellerinden (EEMD-VDM-BPNN and EEMD-EWT-BPNN) daha iyi performans göstermektedir. Önerilen hibrit modelde elde edilen MAPE değerleri kıyaslandığında geleneksel modellerde elde edilenlere göre sırasıyla %41.16 ve %78.80 azalmıştır.