Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 2
 Görüntüleme 9
 İndirme 5
Kısa-Dönem Rüzgâr Hızının Tahmininde Otoregresif ve Yapay SinirAğları Tabanlı Yeni Bir Hibrit Yaklaşım
2017
Dergi:  
Karaelmas Fen ve Mühendislik Dergisi
Yazar:  
Özet:

Rüzgâr enerjisinin elektrik şebekesine entegrasyonu, ekonomik dağıtımı için ayrıca rüzgâr türbinlerinin güvenli işletilebilmesi kontrolü için kısa-dönem rüzgâr hızı tahmini önemli bir konudur. Rüzgâr hızının anlık değişkenliği problemi zorlaştırmaktadır. Bu çalışmada, kısa-dönem rüzgâr hızı tahmini için doğrusal otoregresif, AR ve doğrusal olmayan yapay sinir ağları, YSA modelleri aynı anda kullanan yeni hibrit bir model önerilmektedir. AR modeller yaygın olarak tahmin problemlerinde kullanılan istatiksel yöntemlerdir. YSA yaklaşımı başlıca modelleme, tahmin ve sınıflandırma problemlerinde kullanılan insan beynindeki sinir ağlarına benzer şekilde çalışan bir yaklaşımdır. Bu çalışmada tahmin problemlerinde kullanılan iki güçlü yöntem birleştirilerek kısa dönem rüzgâr hızının belirlenmesinde yeni bir hibrit yaklaşım olarak sunulmuştur. Bu yaklaşım ile sadece AR yöntemin kullanıldığı ya da sadece YSA yönteminin kullanıldığı yöntemlere göre rüzgâr hızı tahmininde daha başarılı sonuçlar elde edilmiştir. Çalışmanın doğruluğunu göstermek amacıyla meteoroloji istasyonundan alınan Eskişehir bölgesine ait sekiz yıllık gerçek saatlik ortalama rüzgâr hızı değerleri kullanılmıştır. Yedi yıllık rüzgâr hızı değerleri eğitim verileri olarak kullanılmış, kalan bir yıllık değerler test amacıyla kullanılmıştır. Farklı durumlar için önerilen hibrit yaklaşımın kök ortalama kare hata değerleri RMSE ve ortalama mutlak hata MAE değerleri AR ve YSA yöntemlerinin doğrudan kullanılmasına göre daha düşük sonuçlara ulaştığı gösterilmiştir

Anahtar Kelimeler:

A short-term wind speed forecast with a new hybrid approach based on authoregressive and artificial nerves
2017
Yazar:  
Özet:

The integration of wind energy into the electricity network is an important topic for economic distribution and the short-term wind speed forecast for the control of the safe operation of wind turbines. The immediate change in wind speed makes the problem more difficult. In this study, a new hybrid model is recommended for the short-term wind speed forecast, with linear autoregressive, AR and nonlinear artificial nerve networks, YSA models being used simultaneously. AR models are statistical methods commonly used in predictive problems. The YSA approach is a approach that works similarly to the nerve networks in the human brain used in the main modeling, prediction and classification problems. In this study, the combination of two powerful methods used in predictive problems has been introduced as a new hybrid approach to determining short-term wind speed. This approach has achieved more successful results in the wind speed forecast compared to the methods only used by the AR method or the method only used by the YSA method. For the purpose of demonstrating the accuracy of the study, the eight-year real hour average wind speed values of the Eskişehir area received from the meteorological station were used. Seven-year wind speed values were used as training data, the remaining one-year values were used for testing purposes. The recommended hybrid approach for different cases has shown that root average square error values RMSE and average absolute error MAE values have achieved lower results than the direct use of AR and YSA methods.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler










Karaelmas Fen ve Mühendislik Dergisi

Alan :   Fen Bilimleri ve Matematik; Mühendislik

Dergi Türü :   Ulusal

Metrikler
Makale : 461
Atıf : 906
2023 Impact/Etki : 0.042
Karaelmas Fen ve Mühendislik Dergisi