Basit öğe kaydını göster

dc.contributor.advisorMusayev, Zabıt
dc.contributor.authorŞenol, Ümit
dc.date.accessioned2020-03-10T08:54:54Z
dc.date.available2020-03-10T08:54:54Z
dc.date.copyright2017en_US
dc.date.issued2017
dc.identifier.citationŞenol, Ü. (2017). Rüzgar enerjisi ve rüzgar enerjisi potansiyelinin yapay sinir ağlari yöntemiyle tahmini. Yüksek Lisans Tezi. Yozgat Bozok Üniversitesi Fen Bilimleri Enstitüsü, Yozgat.en_US
dc.identifier.urihttp://dspace.bozok.edu.tr/xmlui/handle/11460/536
dc.description.abstractGelişmekte olan ülkelerdeki nüfus artışı, teknolojik gelişmeler ve sanayileşme enerjiye olan talebin artmasına neden olmaktadır. Elektrik enerjisi üretiminde kullanılan fosil kaynakların çevre sorunlarına yol açması, rezervlerinin yakın gelecekte tükenecek olması, kaynak ülkelere bağımlılığın çeşitli siyasi ve ekonomik sorunlara yol açması gibi nedenlerle yenilenebilir enerji kaynaklarına olan ilgi her geçen gün artmaktadır. Dünyadaki bir çok ülke yerli, sürekli, hammadde maliyeti olmayan, temiz enerji kaynağı olması, dışa olan bağımlılığı azaltması, türbin kuruluşunun hızla gerçekleştirilebilmesi gibi özelliklerinden dolayı yenilenebilir enerji kaynaklarından olan rüzgar enerjisini tercih etmektedir. Bu çalışmada genel olarak rüzgar enerjisi incelenmiş olup uygulamada ise rüzgar enerjisi potansiyelinin yapay sinir ağları yardımıyla tahmini yapılmıştır. Oluşturulan modelde rüzgar hızı verileri test aşamasında, farklı tip rüzgar türbinlerinin çıkış güçlerine ait veriler ise eğitim aşamasında kullanılmıştır. Uygulama sonrası yapılan regresyon eğrilerinde oluşturulan modelin yaptığı tahminlerin güvenilir ve tutarlı olduğu anlaşılmıştır. Tahmin sonuçlarına göre seçilen bölgenin rüzgar potansiyelinin oldukça iyi olduğu ve kaliteli türbinlerle yüksek kapasiteli enerji üretiminin sağlanabileceği görülmüştür. Ayrıca enerji sektöründeki uygulamacılar ve karar konumunda olan kişilerin rüzgar enerjisine yönelik çalışmalarında alternatif olarak yapay sinir ağlarının da kolaylıkla kullanabileceği ortaya konmuştur.en_US
dc.description.abstractIncrease in population in developing countries, technological advancements and industrialization has led the demand on energy to increase. Interest in renewable energy sources is increasing day by day due to the fact that fossil resources used in electricity generation cause environmental problems, their reserves will be consumed in the near future, dependency on source countries cause various political and economic problems. Many countries in the world prefer wind energy, which is one of the renewable energy sources, owing to the fact that it is a source that is indigenous, continuous and cost-effective, it reduces dependency on external sources, and its turbines could be rapidly built. This paper examines generally wind energy and the wind energy potential is estimated with artificial neural networks. In the model created, wind speed data is used during the test phase while output data of different types of wind turbines are used during the training phase. Following the practice, it is found out that the predictions made by the model created in the regression curves are reliable and consistent. Estimation results have shown that the selected region has very good wind potential and high quality energy production can be achieved with high quality turbines. It has demonstrated that artificial neural networks can be readily used as an alternative in studies on wind energy carried out by practitioners and decision makers in the energy sector.en_US
dc.language.isotr_TRen_US
dc.publisherFen Bilimleri Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectYenilenebilir Enerjien_US
dc.subjectRüzgar Enerjisien_US
dc.subjectRüzgar Hızıen_US
dc.subjectYapay Sinir Ağıen_US
dc.subjectRenewable Energyen_US
dc.subjectWind Energyen_US
dc.subjectWind Speeden_US
dc.subjectArtificial Neural Networken_US
dc.titleRüzgar enerjisi ve rüzgar enerjisi potansiyelinin yapay sinir ağlari yöntemiyle tahminien_US
dc.title.alternativeWind energy and estimating wind energy potential by artificial neural networks methoden_US
dc.typeThesisen_US
dc.contributor.departmentFen Bilimleri Enstitüsüen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster