Rüzgar türbini verimliliğinin analizi için bulanık çıkarım sistemi ve uyarlamalı ağ tabanlı bulanık çıkarım sisteminin uygulanması

Abstract

Bu çalışma rüzgar türbinlerinin performansını değerlendirmek için bir bulanık çıkarım sistemi (FIS) ve uyarlanabilir bir nöro-bulanık çıkarım sistemi (ANFIS) kullanılmasını önermektedir. Rüzgar hızı, kanat uzunluğu ve diğer türbinlere olan mesafe gibi rüzgar türbini performansını etkileyen temel faktörler, veri analizi yoluyla belirlenir. Bu faktörlerin anlaşılması, türbin işletimi ve tasarımına ilişkin bilinçli karar vermeye olanak tanıyarak genel verimliliğin ve maliyet etkinliğinin iyileştirilmesine katkıda bulunur. Yazarlar, rüzgar türbinlerinin birden çok girdi ve çıktıya sahip karmaşık sistemler olduğunu ve bunun da geleneksel analiz yöntemlerini doğru sonuçlar vermede yetersiz kıldığını ileri sürüyorlar. FIS ve ANFIS, rüzgar türbini verilerindeki belirsizliği modellemek ve türbin verimliliğinin daha doğru bir şekilde değerlendirilmesini sağlamak için tasarlanmıştır. Bu çalışma, yaklaşımın etkinliğini Türkiye'deki bir rüzgar santralinden gerçek dünya verilerini kullanarak göstermektedir. Çalışma sonucunda FIS'in rüzgar türbini verimliliğini analiz etmek için umut verici bir araç olduğu ve rüzgar türbini sahlarının performansını iyileştirme potansiyeline sahip olduğu sonucuna varılıyor. Bu konuda çalışmamızdaki temel motivasyonumuz, müşterinin iki türbini daha fazla enerji üreteceği için değiştirme talebidir. Veri eksikliğinden dolayı bu durumu matematiksel olarak ifade edemesek de bu kararda kullanılacak değerli bilgiler paylaşılmıştır. Keywords: rüzgar türbini, bulanık çıkarım sistemi, uyarlamalı ağ tabanlı bulanık çıkarım sistemi, yenilenebilir enerji, verimlilik

This master thesis proposes the use of a fuzzy inference system (FIS) and an adaptive neuro-fuzzy inference system (ANFIS) to evaluate the performance of wind turbines. Key factors influencing wind turbine performance, such as wind speed, blade length and distance to other turbines are identified through data analysis. Understanding these factors allows for informed decision-making regarding turbine operation and design, contributing to improved overall efficiency and cost-effectiveness. Wind turbines are complex systems with multiple inputs and outputs, which makes traditional analysis methods insufficient to provide accurate results. The FIS and ANFIS are designed to model the uncertainty and imprecision in wind turbine data and provide a more accurate assessment of turbine efficiency. This study demonstrates the effectiveness of the approach by using real-world data from a wind farm in Turkey. The paper concludes that the FIS is a promising tool for analyzing wind turbine efficiency and has the potential to improve the performance of wind farms. Our main motivation in working on this subject is the request of the customer to replace two turbines as they will produce more energy. Although we cannot express this situation mathematically due to lack of data, valuable information to be used in this decision has been shared. Keywords: wind turbine, fuzzy inference system, adaptive neuro fuzzy inference system, renewable energy, efficiency