Improving wind power forecasts: Integrating adaptive histogram of oriented gradients and multiple numerical weather predictions

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: İLAYDA ÇELENK

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu araştırmada, rüzgar enerjisi tahmini amacıyla grid tabanlı Sayısal Hava Tahmini (NWP) modellerinin alternatif temsilleri önerilmiştir. Rüzgar hızı, enerji üretimi için ana etkendir. Bununla birlikte, rüzgar yönü, rüzgarın dinamik yapısından kaynaklanan doğrusal olmayan etkilere de sahiptir. Geleneksel gösterimlerle rüzgar yönünün sürekli ve döngüsel davranışı öğrenme modelleri tarafından kavranmaz. Bu sorunları ele almak için, NWP modelleri üzerinde Yönlü Gradyanların Histogramı (HOG) tabanlı Standart ve Uyarlanabilir yöntemler önerilmiştir. Kırk yedi rüzgar santrali üzerinde yapılan deneyler, Standart HOG dönüşümünün farklı konumlardan çoklu NWP modellerinin özniteliklerine entegrasyonunun lineer öğrenme modellerinde üstün performans sağladığını göstermektedir. Buna ek olarak, ağaç tabanlı topluluk öğrenme yöntemlerine dayalı Uyarlanabilir HOG dönüşümü önerilmiştir. Birleştirilmiş dönüşümlerdeki deneylerin sonuçlarına göre, lineer öğrenme yöntemleri, özniteliklerle rüzgar gücü tahmininde ağaç tabanlı öğrenme modellerine göre önemli ölçüde iyi performans göstermektedir. Bu sonuç, rüzgar yönünün döngüselliğinden kaynaklanan doğrusal olmamanın, lineer öğrenme methotlarına uygun bir şekilde temsil edildiğini göstermektedir.