Rüzgar Hızı Tahmin Yöntemleri - Örnek Bir Uygulama

Abstract

Son yıllarda, elektrik enerji şebekelerine rüzgar enerjisi üretimini entegre etmenin önemi hızla artmaktadır. Elektrik şebekesi içine rüzgar enerjisini entegre etmenin en büyük zorluğu, rüzgar enerjisinin değişkenliği ve süreksizliğidir. Bu durumla başa çıkmak için en iyi yaklaşım, rüzgar enerjisi üretiminin gelecekteki değerlerini tahmin etmektir. Yüksek doğrulukları ile rüzgar hızı tahmin yöntemleri bu sorunları en aza indirmek için kullanılabilecek etkili bir araçtır. Bu sebeple, rüzgar enerjisi veya rüzgar hızı tahmini için birkaç farklı yöntem literatürde yerini almıştır. Bu çalışmada sayısal hava tahmini (SHT), istatistiksel yaklaşımlar, yapay sinir ağları (YSA) ve farklı zaman ölçeğindeki hibrit tekniklere dayalı rüzgar gücü ve hızı ile ilgili en önemli tahmin teknikleri hakkında bilgi verilmeye çalışılacaktır. Mevcut tahmin tekniklerinden bazılarının karşılaştırmalı analizleri de genel bir bakışla ele alınacaktır. Ayrıca, bu çalışma, yapay sinir ağı (YSA) ve dalgacık sinir ağı (DSA) kullanılarak çok kısa süreli rüzgar hızı tahminini ve bu ağların başarımlarının karşılaştırmasını sunmaktadır. Veri, bir yıllık bir süre için on dakikalık çözünürlükte Ondokuz Mayıs Üniversitesi'nde bulunan bir hava istasyonundan toplanmıştır. Rüzgar hızı tahminler önümüzdeki 10 dakika için 24 saatlik bir süre içinde sunulmaktadır. YSA ve DSA için aynı topoloji kullanılmasına rağmen, DSA için önerilen tahmin sisteminin başarımı, YSA'ya göre daha yüksektir. Kök Hata Kareler Ortalaması (RMSE) ve Ortalama Karesel Hata (MSE) başarım etmeni olarak seçilmiştir. Ve ayrıca, YSA ve DSA'nın aynı formları kısa vadeli, orta vadeli ve uzun vadeli rüzgar hızı tahminleri için de test edilmiştir. Bu dönemler için de ağ başarımı için aynı etmenler seçilmiştir. Elde edilecek tahminler doğrultusunda, rüzgar enerjisi sağlayan sistemlerin, değişen atmosferik sartlara doğru ve hızlı uyumluğunun sağlanması hedeflenmektedir.

In recent years, the importance of integrating the production of wind energy into electrical energy networks has been increasing rapidly. The biggest challenge to integrate wind energy into the power grid wind power is variability and discontinuity. To deal with this situation, the best approach is to predict future values of wind power production. Wind speed estimation methods with high accuracy are an effective tool that can be used to minimize these problems. Thus, several wind power or wind speed forecasting methods have been reported in the literature over the past few years. . This study provides insight on the foremost forecasting techniques, associated with wind power and speed, based on numeric weather prediction (NWP), statistical approaches, artificial neural network (ANN) and hybrid techniques over different time-scales. An overview of comparative analysis of various available forecasting techniques is discussed as well. Furthermore, this study presents a very short- term wind speed prediction using artificial neural network (ANN) and wavelet neural network (WNN) and compares the performance of these networks. Data are collected from a weather station located in Ondokuz Mayis University in ten minute resolution for a period of one year. Wind speed predictions are presented within a period of 24-hours for 10 minute ahead. Although ANN and WNN use the same topology, the performance of the proposed prediction system based on WNN has higher than that of ANN. The root mean square error (RMSE) and the mean squared error (MSE) values have been selected as performance criteria. And also, the same forms of ANN and WNN tested for short-term, medium-term and long-term wind speed predictions. For this terms, the same criteria selected for network performance. According to forecasts will be achieved, provides wind energy systems, accurate and rapid adaptation to changing climatic conditions are be attained.