Üretim
planlaması ve güç sistemlerinin yönetilmesi açısından rüzgar enerji
sistemlerinden üretilecek elektrik enerjisinin belirli periyotlar için tahmin
edilmesi gerekmektedir. Bu kapsamda,
asimetrik ve kararsız yapıdaki rüzgar hızı verilerinin hassas bir
şekilde tahmin edilebilmesi için bir çok farklı rüzgar hızı kestirim
yaklaşımları önerilmiştir. Bu çalışma kapsamında, diferansiyel gelişim
algoritması (DE) yaklaşımı ile optimize edilen uyarlamalı sinirsel bulanık
çıkarım sistemi (ANFIS) kullanılarak kısa dönemli (1 saat) rüzgar hızı tahmin
modelleri geliştirilmiştir. Çalışma kapsamında ele alınan yöntemde, diferansiyel gelişim sezgisel yaklaşımı
kullanarak model parametreleri kısa dönemli rüzgar hızı tahmini için
belirlenmiş ve karşılaştırmalı olarak analiz edilmiştir. Önerilen yaklaşımın
tahmindeki performans kriterlerini doğrulamak için Bilecik ilinde bulunan bir
gözlem istasyonundaki rüzgar hızı serileri kullanılmıştır. ANFIS model
parametrelerinin optimizasyonunda kullanılan sezgisel algoritma 10 kez tekrarlı
bağımsız olarak çalıştırılmış ve eğitim-test performans sonuçları istatistiksel
olarak sunulmuştur. Ayrıca önerilen
hibrit modelin performansı literatürde iyi bilinen Levenberg-Marquardt
algoritması eğitilen ileri beslemeli yapay sinir ağı (ANN) sonuçları ile de
karşılaştırılarak yorumlanmıştır.
Diferansiyel Gelişim Algoritması ANFIS Rüzgar Hızı Kestirimi ANN
The
electrical energy to be produced from wind energy systems should be estimated
for some periods in order to generation planning and power systems management.
In this context, many different wind speed forecasting approaches have been
proposed for accurate estimation of asymmetric and unstable wind speed data. In
this paper, short-term (1h) wind speed forecasting models have been developed
by using Adaptive Neuro Fuzzy Inference System (ANFIS) based on Differential
Evolution Algorithm (DE). In this paper, the model parameters have been
determined by differential evolution heuristic approach for short-term wind
speed forecasting and analyzed comparatively. To validate the effectiveness of
the proposed approach, wind speed series collected from a wind observation
station located in Bilecik, Turkey are used in the short-term wind speed
forecasting. The meta-heuristic algorithm used in the
optimization of ANFIS model parameters are run 10 times independently and the
performance results are calculated statistically for training and test phases
of ANFIS model. The performances of proposed hybrid models are also compared
with the well-known feed forward ANN model which is trained by Levenberg-Marquardt
in the literature.
Differential Evolution Algorithm ANFIS Wind Speed Forecasting ANN
Birincil Dil | Türkçe |
---|---|
Bölüm | Araştırma Makalesi |
Yazarlar | |
Yayımlanma Tarihi | 30 Eylül 2019 |
Gönderilme Tarihi | 1 Mart 2019 |
Kabul Tarihi | 1 Temmuz 2019 |
Yayımlandığı Sayı | Yıl 2019 Cilt: 8 Sayı: 3 |