Makine öğrenmesi yöntemleriyle rüzgâr santrali üretim tahmini

İklim değişikliğinin olumsuz etkileri, fosil yakıtların sonlu rezerve sahip olması ve enerjide dış bağımlılığı azaltması yenilenebilir enerjinin önemini arttırmıştır. Ülkemizin fosil yakıt rezervlerinin yeterli olmaması ve yenilenebilir enerjiye yönelik teşvikler ülkemiz kurulu enerji gücünde yenilenebilir kaynakların oranını arttırmıştır. Ülkemizde rüzgâr santrallerinin kurulu gücü 2021 yılı itibariyle 10 GW'ı aşmıştır. Rüzgârın yenilebilir bir kaynak olması bir avantaj olsa da bu kaynağın süreksiz olmasından dolayı üretimdeki payının artması enterkonnekte sistem işletmecisi için çeşitli problemlere neden olmaktadır. Bu problemlere çözüm olabilmesi için ve elektrik piyasası ve rüzgâr santrali işletmelerinin ihtiyaçlarının karşılanması için rüzgâr gücü tahmini oldukça önemlidir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir. Bu tez çalışmasında, rüzgâr santralinin türbin anemometresinden elde edilen bir yıllık 10 dakika zaman ufkunda veriler kullanılarak rüzgâr santrali üretim tahmini için; tek değişkenli uzun kısa süreli bellek, çok değişkenli uzun kısa süreli bellek, çok katmanlı algılayıcı, ekstrem gradyan arttırma, evrişimli sinir ağları-uzun kısa süreli bellek, geçitli tekrarlayan birim ve rastgele orman algoritmalarıyla modeller tasarlanmıştır. Kullanılan verilerdeki aykırı veriler izolasyon ormanı algoritmasıyla temizlenmiştir. Her mevsimden seçilen bir ay için (Ocak, Nisan, Temmuz, Kasım) makine öğrenmesi algoritmaları ile tasarlanan modellerin hiperparametre optimizasyonu Bayes optimizasyonu ile yapılmıştır. Modellerin başarısı ortalama mutlak hata, kök ortalama kare hata ve belirleme katsayısı ile ölçülmüştür. Tasarlanan modellerden Ocak, Nisan ve Kasım ayları için sırasıyla 0.926, 0.961 ve 0.946 belirleme katsayısı değerleri ile çok değişkenli uzun kısa süreli bellek modeli, Temmuz ayı için ise 0.916 belirleme katsayısı değeri ile ekstrem gradyan arttırma modeli en başarılı sonucu vermiştir.