Wind Power Generation Prediction Using Machine Learning Algorithms

Yenilenebilir enerji dünyada giderek popüler hale gelmektedir, çünkü güneş, jeotermal, rüzgar enerjisi gibi yenilenebilir kaynaklar temiz, tükenmez ve doğal kaynaklardır. Rüzgar enerjisi, yenilenebilir enerjinin en önemli kaynaklarından biridir ve elektrik üretiminde kilit rol oynamaktadır. Bu nedenle, rüzgar enerjisi üretiminin doğru tahmin edilmesi enerji ticareti, planlama, zamanlama kararları ve rüzgar enerjisi üretim stratejilerini dengeleme zorluklarıyla başa çıkmada çok önemlidir. Bu çalışma, tarihsel rüzgar enerjisi üretim verileri ve hava durumu tahmin raporlarını kullanarak yenilenebilir enerji sektöründeki gerçek yaşam sorununu, önümüzdeki 24 saat için saat başına rüzgar enerjisi üretim miktarını makine öğrenmesi (ML) teknikleri ile doğru bir şekilde tahmin edebilmek için bir model önermektedir. Önerilen yaklaşımda; ilk olarak, veri setini anlamlı kümeler halinde gruplamak için denetimsiz bir ML yöntemi (K-Means kümeleme algoritması) uygulanır; daha sonra, bu kümeler yeni öznitelik değerleri olarak kabul edilir ve veri setini büyütmek için eklenir; son olarak, tahmin için denetimli bir ML yöntemi (regresyon) gerçekleştirilir. Bu çalışma dokuz denetimli öğrenme algoritmasını karşılaştırmaktadır: K-En Yakın Komşu, Destek Vektör Regresyonu, Rastgele Orman, Ekstra Ağaçlar, Gradyan Artırma, Ridge Regresyon, En Küçük Mutlak Daralma ve Seçme Operatörü, Karar Ağacı, ve Konvolüsyonel Sinir Ağı. Bu çalışmanın amacı, rüzgar türbinlerinin gerçek dünya verileri üzerindeki farklı ML algoritmalarının başarısını araştırmak ve rüzgar enerjisi üretimi tahmini için en doğru nihai modeli seçmek üzere çeşitli makine öğrenmesi algoritmalarını karşılaştırmak için bir metodoloji önermektir.