Rüzgar enerjı̇sı̇ tahminı̇ yöntemleri: Uzun kısa sürelı̇ bellek modeli (LSTM) örneği

Bu tez, rüzgâr enerjisi tahmininin alanını ilerletmeyi ve sürdürülebilir enerji yönetimini teşvik etmeyi amaçlayarak üç ayrı araştırma bileşeninden elde edilen bulguları sentezlemektedir. İlk çalışma, Long Short-Term Memory (LSTM) ve diğer metodolojileri kullanarak rüzgâr enerjisi tahminini araştırır. Araştırma, rüzgâr hızı verilerine dayalı güç üretimini öngörme odaklıdır ve eksik değerler ve mevsimsel desenlere yönelik zorlukları ele alır. İlk analizlerden elde edilen sonuçlar, ARIMA modelleri ve rüzgâr hızı ile güç üretimi arasındaki korelasyon değerlendirmelerini içerir ve özellikle Temmuz, Ağustos ve Eylül aylarında güç üretiminde belirgin zirvelerin olduğunu, bunun rüzgâr hızı dalgalanmaları ile uyumlu olduğunu ortaya koyar. Çalışma, 2.5 metrenin üzerindeki rüzgâr hızlarının güç üretimini başlattığını, 8 m/s civarında zirve yaptığını ve grafiksel temsillerin rüzgâr hızı ile güç üretimi arasında bir sigmoid ilişkiyi gösterdiğini belirledi. Ardından, SARIMA modelinin başarısızlığının ardından alternatif modelleme yaklaşımları keşfedildi. XG Boost, Random Forest Regressor ve LSTM, görselleştirme ve istatistiksel analiz yoluyla veri setinin özelliklerinin detaylı bir incelemesi ile birlikte değerlendirildi. Eksik hücrelerin yaygınlığı, titiz veri işleme öneminin vurgulanmasına neden oldu. Veri genel bakışı ve ön işleme aşaması, veri ithalatı sürecini, tarih sütununun tanınmasını, yinelenen girişlerin işlenmesini ve Pandas profillemesi ile boxplot keşfini detaylandırdı. "Active Power" ve "Ambient Temperature" gibi temel değişkenler ele alındı, eksik değerlerin zorluğu ve gereksiz değişkenlerin tanımlanmasıyla ilgili olarak vurgulandı. Son aşama, kullanılan yöntemi kapsayan, doğru analiz için eksik veri noktalarına ve anormalliklere odaklanan bir yöntemdir. Titiz temizlik süreci, model seçimi (SARIMA, XG Boost, Random Forest Regressor, LSTM) ve bunların performansı tartışıldı. Ayrıca, veri doğruluğunun önemi, rüzgâr hızının güç üretimine etkisi ve rüzgâr enerjisi dinamiklerini etkili bir şekilde yakalamak için çeşitli modelleme yöntemlerinin gerekliliği vurgulandı. Bu bulgulara dayanarak, rüzgâr enerjisi tahminini ve sürdürülebilir yönetimi ilerletmeye yönelik bir dizi öneri getirildi. Veri seti kalitesini ve güvenilirliğini artırmak için eksik değerlerin, aykırı değerlerin ve gürültünün işlenmesini içeren gelişmiş veri ön işleme yöntemleri önerildi. Daha doğru tahminler için klasik istatistik metodolojilerini ve makine öğrenimi algoritmalarını birleştiren hibrit modelleme teknolojileri önerildi. Rüzgâr enerjisi tahminine etki eden meteorolojik ve coğrafi unsurların özellik mühendisliği metodolojilerine eklenmesi, güç üretimini daha iyi anlamak için önerildi. İlgili değişkenlerle rüzgâr enerjisi üretimi arasındaki ilişkiyi anlamak için daha yorumlanabilir modeller geliştirmek, bilinçli kararlar için vurgulandı. Model ortalaması ve yığma gibi ensemble öğrenme yöntemleri, model kusurlarını en aza indirerek tahmin doğruluğunu artırmak amacıyla önerildi. Dinamik hava durumu desenlerini ve çevresel koşulları yakalamak için gerçek zamanlı veri akışları ve gelişmiş izleme sistemlerinin kullanımı, uyarlanabilir tahmin modelleri için teşvik edildi. Tahmin modelinin parametre ayarlarıile ilgili hassasiyet çalışması, rüzgâr enerjisi üretimini etkileyen en ilgili değişkenleri belirlemek amacıyla önerildi. Farklı coğrafi konumlar ve çevresel koşullar arasında tahmin modellerinin güvenilirliği ve genelleme yeteneğinin sağlanması, kapsamlı geriye dönük test ve çeşitli veri setlerinde doğrulama dahil olmak üzere, sıkı model doğrulama ve doğrulama ile vurgulandı. Değişen iklim dinamikleri ve küresel enerji talepleri karşısında sürdürülebilir enerji altyapısı planlamak için uzun vadeli rüzgâr enerjisi üretimi tahmin çalışmaları önerildi. Son olarak, akademik kurumlar, endüstri paydaşları ve devlet kurumlarının iş birliği yaparak dünya genelinde rüzgâr enerjisi tahmin teknolojileri ve sürdürülebilir enerji uygulamaları için bilgi, veri ve yenilikçi çözümleri paylaşmaları teşvik edildi. Bu kapsamlı yaklaşım, rüzgâr enerjisi tahmininin ilerlemesine katkıda bulunmayı ve sürdürülebilir enerji yönetimi uygulamalarını teşvik etmeyi amaçlamaktadır.