Rüzgâr türbini güç eğrileri için parametrik modelleme yaklaşımlarının karşılaştırılması

Abstract

Sürdürülebilir ve temiz bir enerji kaynağı olan rüzgâr enerjisinin dünya çapında geniş bir uygulama alanı bulunmaktadır. Ancak, rüzgâr dinamikleri, rüzgâr enerjisinin stokastik doğası ve rüzgâr türbinlerinin operasyonel özelliklerinden dolayı elektrik güç sistemlerinin kararlı olarak çalışmasında birçok zorlukla karşılaşılmaktadır. Bu zorlukların üstesinden gelmenin önemli yollarından biri de rüzgâr türbini güç eğrisinin doğru olarak modellenmesidir. Bu tez çalışmasında, öncelikle, metasezgisel optimizasyon tabanlı parametrik metotlar kullanılarak rüzgar türbini güç eğrisi modelleri oluşturulmuş ve uyum iyiliği istatistikleri açısından detaylı olarak karşılaştırılmıştır. Bu aşamada, Afrika akbabaları, balçık küfü, deniz yırtıcıları, Fick yasası ve geometrik ortalama optimizasyon algoritmaları tarafından 3, 4 ve 5 parametreli lojistik, 5., 6. ve 7. dereceden polinom ve modifiye hiperbolik tanjant fonksiyonlarının tasarım katsayıları bulunmuştur. Geliştirilen güç eğrisi modelleri arasında, deniz yırtıcıları optimizasyon algoritması tabanlı modifiye hiperbolik tanjant modeli uyum iyiliği istatistikleri açısından en etkin performansı göstermiştir. Sonrasında, bu hibrit güç eğrisi modeline k-ortalamalar kümeleme algoritması entegre edilerek daha düşük karesel hataların toplamı ve karekök ortalama hata sonuçları elde edilmiş ve bu sayede, daha kararlı güç eğrisi modeli üretilmiştir.

As a sustainable and clean energy source, wind energy has a wide range of applications around the world. However, due to wind dynamics, the stochastic nature of wind energy and the operational characteristics of wind turbines, many difficulties are encountered in the stable operation of electrical power systems. One of the important ways to overcome these difficulties is to accurately model the wind turbine power curve. In this thesis, initially, wind turbine power curve models were created using metaheuristic optimization-based parametric methods, and compared in detail in terms of the goodness-of-fit statistics. At this stage, the design coefficients of 3-, 4- and 5- parameter logistic, 5th-, 6th- and 7th-degree polynomial and modified hyperbolic tangent functions were found by African vultures, slime mould, marine predators, Fick's law and geometric mean optimization algorithms. Among the power curve models developed, marine predators optimization algorithm-based modified hyperbolic tangent model showed the most effective performance in terms of the goodness-of-fit statistics. Afterwards, k-means clustering algorithm was integrated into this hybrid power curve model to obtain lower sum of squared errors and root mean squared error results, thus producing a more stable power curve model.