Dergiler / Technological Applied Sciences / 2026 / Cilt: 11 Sayı: 3

RÜZGAR TÜRBİN MODELLERİ KULLANARAK KASTAMONU İLİ RÜZGAR İLE ELEKTRİK ÜRETİM POTANSİYELİ TAHMİNİ

Sayfa
65–74
Yayın Tarihi
2016-07-14
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak kullanılacak türbin tipine göre üretilebilecek maksimum güç değerleri tahmin edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, çeşitli rüzgar türbin verileri ile iki farklı model oluşturularak Kastamonu ili rüzgar gücü potansiyeli tahmin edilmeye çalışılmıştır.
📊
Temel Bulgular & Veri:Modelleme için seçilen türbinler Nordex 50, Vestas V66, Neg Micon 1000/60, Bonus 2MW, Vestas V90 ve Power Wind 90’dır.
💡
Sonuç & Katkı:Sonuç olarak kullanılacak türbin tipine göre üretilebilecek maksimum güç değerleri tahmin edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2015 Verileri
⚙️Değişkenler:Yapay Sinir Ağları · Rüzgâr · Rüzgâr Türbinleri

Özet

Bu çalışmada, çeşitli rüzgar türbin verileri ile iki farklı model oluşturularak Kastamonu ili rüzgar gücü potansiyeli tahmin edilmeye çalışılmıştır. Modelleme için seçilen türbinler Nordex 50, Vestas V66, Neg Micon 1000/60, Bonus 2MW, Vestas V90 ve Power Wind 90’dır. Bu türbinlere ait veriler türbin üretici kataloglarından alınan güç-rüzgâr hızı eğrilerinden elde edilmiştir. Güç tahmini için kullanılan 2015 yılına ait Kastamonu ili günlük maksimum rüzgâr hızı verileri, Meteoroloji Genel Müdürlüğünden alınmıştır. İki modelleme için sırasıyla Yapay sinir ağları (YSA) ve çoklu adaptif bulanık sinir ağları (ANFIS) yöntemleri kullanılmıştır. Sonuç olarak kullanılacak türbin tipine göre üretilebilecek maksimum güç değerleri tahmin edilmiştir. Tahmin sonuçlarına göre Kastamonu’nun rüzgâr potansiyelinin oldukça iyi olduğu ve verimli türbinlerle yüksek kapasiteli enerji üretiminin sağlanabileceği görülmüştür.

🔖

Bu Makaleye Atıf Yap

Kaya, Ü., Caner, M., Oğuz, Y. (2016). RÜZGAR TÜRBİN MODELLERİ KULLANARAK KASTAMONU İLİ RÜZGAR İLE ELEKTRİK ÜRETİM POTANSİYELİ TAHMİNİ. Technological Applied Sciences, Cilt: 11 Sayı: 3, 65–74. https://ajindex.com/articles/1659388

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (22)

  1. Turgut, E. ve Selçuk, K., (2011). Elektrik Enerjisi Üretimi iletimi ve Dağılımı, Detay Yayıncılık, Ankara.
  2. Önal, E. ve Yarbay, R.Z., (2010). Türkiye’de Yenilenebilir Enerji Kaynakları Potansiyeli ve Geleceği, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, Yıl:9, Sayı:18, Güz, ss:77-96.
  3. Murthy, K.S.R. and Rahi, O.P., (2014). Statistical Estimation of Wind Power Potential at Hamirpur Region in Himachal Pradesh, India. 6th IEEE Power India International Conference 5-7th December 2014, pp:1-6.
  4. http://demirer.com.tr/santral/alize/cesme/index.html. (Erişim: Nisan 2016)
  5. Türkiye Elektrik Üretimi A.Ş. Web sitesi. http://www.teias.gov.tr/T%C3%BCrkiyeElektrik%C4%B0statistikleri/istatistik2014/istatistik2014.htm (Erişim: Nisan 2016)
  6. Enerji Atlası. http://www.enerjiatlasi.com/sehir/kastamonu/ (Erişim: Nisan 2016)
  7. Kastamonu-REPA Web Sitesi. http://www.eie.gov.tr/YEKrepa/KASTAMONU-REPA.pdf
  8. (Erişim: Nisan 2016)
  9. Wakeyama, T. and Ehara, S., (2010). Potential Estimation of Renewable Energy Resource in Tohoku Area and Tokyo metropolitan, Japan., 2010 International Conference on Environmental Engineering and Applications (ICEEA 2010)
  10. Yurtoğlu, H., (2006). Yapay Sinir Ağlan Metodolojisi ile Öngörü Modellemesi, Yıldız Teknik Üniversitesi Sosyal Bilimler Enstitüsü Uzmanlık Tezi.
  11. Sağıroğlu, Ş., (2001). Yapay Sinir Ağları ve Mühendislik Uygulamaları Semineri, Erciyes Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği. Erciyes.
  12. Öztemel, E., (2003). Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul.
  13. Elmas, Ç., (2003). Yapay Sinir Ağları, Seçkin Yayınevi, Ankara.
  14. Bayır, R., (2008). Yapay Zeka Teknikleri Dersi Ders Notları. Karabük Üniversitesi Elektronik ve Bilgisayar Eğitimi bölümü.
  15. Saraç, T., (2004). Yapay Sinir Ağlan Seminer Projesi, Gazi Üniversitesi Endüstri Mühendisliği Bölümü, Ankara.
  16. Tsoukalas, L.H. and Uhrig, R.E., (1996). Fuzzy and Neural Approaches in Engineering. John Wiley & Sons, Inc, New York.
  17. Kosko, B., (1991). Neural Networks and Fuzzy Systems, A Dynamical Systems Approach, Englewood Ciffs., NJ: Prentice Hall.
  18. Jang, J.S.R., (1993). ANFIS: Adaptive Network-Based Fuzzy İnference Systems, IEEE Trans. Syst., Man. and Cybern. Vol:23, pp:665-685.
  19. Jang, J.S.R, Sun, C.T., and Mizutani, E., (1997). Neuro-fuzzy and Soft Computing: a Computational Approach to Learning and Machine Intelligence, Prentice Hall, N.J.
  20. Perez, P., (2001). Prediction of Sulfur Dioxide Concentration at a Site Near Downtown Santiago, Chile, Atmospheric Environment. (35), 4929-4935.
  21. Boudia, S.M. and Guerri, Q., (2015). Investigation of Wind Power Potential at Oran, Northwest of Algeria, Energy Conversion and Management, 105, 81-92.
  22. Benmiloud. T., (?). Multioutput Adaptive Neuro-Fuzzy Inference System, Recent Advances in Neural Networks, Fuzzy Systems & Evolutionary Computing, ISBN: 978-960-474-195-3.