Makine öğrenmesi ile dalga gücünden elektrik enerjisi tahmini
| dc.contributor.advisor | Sarıkaya, Murat | |
| dc.contributor.advisor | Dağlı, Salih | |
| dc.contributor.author | İrim, Duygu Saydam | |
| dc.date.accessioned | 2025-03-23T19:02:32Z | |
| dc.date.available | 2025-03-23T19:02:32Z | |
| dc.date.issued | 2025 | |
| dc.department | Enstitüler, Lisansüstü Eğitim Enstitüsü, Lisansüstü Eğitim Enstitüsü, Disiplinlerarası Nükleer Enerji ve Enerji Sistemleri Ana Bilim Dalı | |
| dc.description.abstract | Bu tezde, Karadeniz'deki meteorolojik veriler kullanılarak dalga gücünden üretilecek elektrik enerjisi miktarının tahmini için makine öğrenmesi tabanlı bir hibrit model geliştirilmiştir. Çalışmada, Meteoroloji Genel Müdürlüğü'nden elde edilen Samsun ve Ordu şamandıralarına ait 2023 yılına ilişkin 1 yıllık veri seti kullanılmıştır. Bu veri setinde dalga yüksekliği, dalga periyodu, rüzgâr hızı ve su sıcaklığı gibi parametrelere yer verilmiştir. Dalga gücü tahmini için öncelikle LSTM, ELM, ResNet, SVM, Bayesian ve RNN algoritmalarını içeren temel regresyon modelleri geliştirilmiş ve bu modellerin güçlü ve zayıf yönleri analiz edilmiştir. Daha sonra, temel modellerin performansını iyileştirmek amacıyla XGB algoritması ile yığınlama (stacking) yaklaşımı uygulanarak hibrit bir model oluşturulmuştur. Hibrit modelin performansı, MAE, RMSE, MSE ve R² gibi göstergeler kullanılarak değerlendirilmiş ve XGB algoritmasının diğer modellere kıyasla daha iyi sonuçlar verdiği gözlemlenmiştir. Örneğin, Samsun şamandırasındaki tahminlerde ResNet algoritması için 0.0491 olan MAE değeri, hibrit modelde 0.0079'a düşürülmüştür. Bu sonuçlar, hibrit modelin dalga gücü tahmininde yüksek doğruluk sağladığını ve dalga enerjisinin düzensiz karakteristiğini düzenlemede etkili bir araç olduğunu kanıtlamıştır. Tezin sonucunda, önerilen modelin kısa vadede dalga gücünden üretilen elektrik enerjisinin sistemdeki düzensizliklerini tahmin ederek enerji düzenlemesine katkı sağlayabileceği sonucuna varılmıştır. Ayrıca, modelin uzun vadede dalga enerji dönüşüm sistemlerinin kurulacağı bölgelerin aylık ve yıllık elektrik üretim potansiyelinin hesaplanmasında kullanılabileceği de öngörülmektedir. Bu çalışma, dalga enerjisi tahmini alanında makine öğrenmesi algoritmalarının etkinliğini ortaya koymakta ve enerji dönüşüm sistemlerinin planlanması için yenilikçi bir yaklaşım sunmaktadır. | |
| dc.description.abstract | In this thesis, a machine learning-based hybrid model is developed to predict the electrical energy generated from wave power using meteorological data in the Black Sea. In the study, a one-year dataset for the Samsun and Ordu buoys, obtained from the General Directorate of Meteorology for the year 2023, was used. This dataset contains parameters such as wave height, wave period, wind speed, water temperature and so on. To predict wave power, basic regression models including LSTM, ELM, ResNet, SVM, Bayesian, and RNN algorithms were developed, and their strengths and weaknesses were analyzed. A hybrid model was created by applying a stacking approach using the XGB algorithm to improve the performance of the base models. The performance of the hybrid model was evaluated using MAE, RMSE, MSE, and R² metrics, and it was observed that the XGB algorithm produced better results compared to other models. For example, in the forecasts at the Samsun buoy, the MAE value of 0.0491 for the ResNet algorithm was reduced to 0.0079 in the hybrid model. These results prove that the hybrid model provides high accuracy in wave power prediction and serves as an effective tool for regulating the irregular characteristics of wave energy. As a result of the thesis, it is concluded that the proposed model can contribute to energy regulation by predicting the irregularities in the electrical energy system generated from wave power in the short term. It is also expected that the model can be used to calculate the monthly and annual electricity generation potential in regions where wave energy conversion systems are planned for long-term deployment. This study demonstrates the effectiveness of machine learning algorithms in wave energy forecasting and offers an innovative approach to energy conversion system planning. | |
| dc.identifier.endpage | 163 | |
| dc.identifier.startpage | 1 | |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=E_eEUHQic_C-LvhxNQn1W0B-ALszP_Su7Fm7emRS2Qmlp1gACF4FRBSmHlQelIa2 | |
| dc.identifier.uri | https://hdl.handle.net/11486/2827 | |
| dc.identifier.yoktezid | 916348 | |
| dc.institutionauthor | İrim, Duygu Saydam | |
| dc.language.iso | tr | |
| dc.publisher | Sinop Üniversitesi | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.snmz | KA_TEZ_20250323 | |
| dc.subject | Elektrik ve Elektronik Mühendisliği | |
| dc.subject | Electrical and Electronics Engineering | |
| dc.subject | Enerji | |
| dc.title | Makine öğrenmesi ile dalga gücünden elektrik enerjisi tahmini | |
| dc.title.alternative | Estimating electric energy from wavepower with machine learning | |
| dc.type | Master Thesis |
