Makine öğrenmesi ile dalga gücünden elektrik enerjisi tahmini

Bu tezde, Karadeniz'deki meteorolojik veriler kullanılarak dalga gücünden üretilecek elektrik enerjisi miktarının tahmini için makine öğrenmesi tabanlı bir hibrit model geliştirilmiştir. Çalışmada, Meteoroloji Genel Müdürlüğü'nden elde edilen Samsun ve Ordu şamandıralarına ait 2023 yılına ilişkin 1 yıllık veri seti kullanılmıştır. Bu veri setinde dalga yüksekliği, dalga periyodu, rüzgâr hızı ve su sıcaklığı gibi parametrelere yer verilmiştir. Dalga gücü tahmini için öncelikle LSTM, ELM, ResNet, SVM, Bayesian ve RNN algoritmalarını içeren temel regresyon modelleri geliştirilmiş ve bu modellerin güçlü ve zayıf yönleri analiz edilmiştir. Daha sonra, temel modellerin performansını iyileştirmek amacıyla XGB algoritması ile yığınlama (stacking) yaklaşımı uygulanarak hibrit bir model oluşturulmuştur. Hibrit modelin performansı, MAE, RMSE, MSE ve R² gibi göstergeler kullanılarak değerlendirilmiş ve XGB algoritmasının diğer modellere kıyasla daha iyi sonuçlar verdiği gözlemlenmiştir. Örneğin, Samsun şamandırasındaki tahminlerde ResNet algoritması için 0.0491 olan MAE değeri, hibrit modelde 0.0079'a düşürülmüştür. Bu sonuçlar, hibrit modelin dalga gücü tahmininde yüksek doğruluk sağladığını ve dalga enerjisinin düzensiz karakteristiğini düzenlemede etkili bir araç olduğunu kanıtlamıştır. Tezin sonucunda, önerilen modelin kısa vadede dalga gücünden üretilen elektrik enerjisinin sistemdeki düzensizliklerini tahmin ederek enerji düzenlemesine katkı sağlayabileceği sonucuna varılmıştır. Ayrıca, modelin uzun vadede dalga enerji dönüşüm sistemlerinin kurulacağı bölgelerin aylık ve yıllık elektrik üretim potansiyelinin hesaplanmasında kullanılabileceği de öngörülmektedir. Bu çalışma, dalga enerjisi tahmini alanında makine öğrenmesi algoritmalarının etkinliğini ortaya koymakta ve enerji dönüşüm sistemlerinin planlanması için yenilikçi bir yaklaşım sunmaktadır.