Forecasting wind power generation with ensembling techniques

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: YUNUS EMRE ÖZERTAŞ

Danışman: Fulya Gökalp Yavuz

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Enerji ihtiyacı, artan nüfus ve endüstriyel gelişmelerle birlikte her geçen gün artmaktadır. Artan talep, tüketim oranlarını aşan bir hızda yenilenen enerji kaynaklarına geçişi zorunlu kılmaktadır. Rüzgar türbinlerinin gelecekteki üretimini tahmin etmek, yenilenebilir enerji sektöründe stratejik planlama için kritik öneme sahiptir. Bu amaçla, her biri yorumlanabilirlik ve doğruluk açısından farklılık gösteren, istatistiksel modelleme, makine öğrenimi ve derin öğrenme teknikleri gibi çeşitli yaklaşımlar önerilmiştir. Bu çalışma, birden fazla modelleme yaklaşımını entegre eden topluluk teknikleri kullanarak rüzgar türbini güç tahminlerinin doğruluğunu ve yorumlanabilirliğini artırmayı amaçlamaktadır. Akhisar, Türkiye'deki rüzgar türbinlerinden elde edilen veriler kullanılarak kısa vadeli (1 saatlik) ve orta vadeli (1 günlük) tahminler yapılmıştır. Farklı modellerin birleştirilme nedeni, verilerde tam anlamıyla kapsamlı bir zaman serisi yapısının bulunmaması ve tüm zaman dilimleri için optimal bir modelin olmamasından kaynaklanmaktadır. Kombinasyon tekniğimiz, gelecekteki zaman dilimlerinde hangi modelin diğerlerinden daha iyi performans gösterdiğini tahmin etmeye dayanmaktadır. Çeşitli yaklaşımlar arasından en uygun modeli belirlemek için farklı kombinasyon teknikleri önerilmiştir. Çalışmanın sonunda, gelecekteki zaman adımları için en uygun modeli belirleyen sınıflandırma modeli, tahmin doğrulunu artırdı. Ek olarak, önceki zaman dilimlerinde modellerin hatalarını sınıflandırma modelinin öznitelik setine eklemek, daha doğru tahminler sağladı.