Makine öğrenmesi yöntemleri ile hidroelektrik santrallerde enerji üretim tahmini: Erzincan ilinde bir uygulama

Yaşam döngüsünün sürekliliği ve ülkelerin hem sosyal hem de ekonomik alanda gelişimi için stratejik bir kavram olarak kabul edilen enerjinin en çok kullanılan çeşidi şüphesiz ikincil enerji kaynağı olan elektriktir. Çeşitli yöntemler kullanılarak yapılan çalışmalar ile gelecekte elektrik üretiminin bilinmesi, enerjinin sürdürülebilirliği için avantaj oluşturmaya yardımcı olacaktır. Bu tez çalışmasında, hidroelektrik santrallerde (HES) makine öğrenmesi yöntemleri kullanılarak kısa ve orta dönem üretim tahminlerine ait en uygun modelin oluşturulması amaçlanmıştır. Son yıllarda, elektrik üretiminde yenilenebilir enerji kaynaklarına talebin artması ile küçük kapasiteli (çoğunlukla kanal tipi) HES'lerin kurulduğu görülmektedir. Kanal tipi mevcut ve kurulumu planlanan HES'lere ait gelecekteki üretim miktarını belirlemek, anlık üretim gücünü görebilmek ve yatırım açısından gelir değerlendirilmesi yapabilmek için güvenilir sonuçlar verebilecek, yüksek doğrulukta çalışabilecek tahmin modelleri oluşturmak önemli hale gelmiştir. Çalışmanın, kanal tipi HES'lerde üretim planlaması yapılması ve yeni yatırım yapılacak bölgelerde enerji üretim miktarını tahmin edebilmek için örnek çalışma olacağı düşünülmektedir.

Electricity, a secondary energy source that is considered a strategic concept for the continuity and development of countries social and economic life cycles, is undoubtedly the most widely used type of energy. Knowing electricity production through studies using various methods will assist create advantages for the sustainability of energy in the future. In this thesis, it is aimed to create the most appropriate model for short and medium term production estimates in hydroelectric power plants (HPP) by using machine learning methods. It is observed that small capacity, which is mostly channel type, HEPPs have been established with increasing demand for renewable energy sources in electricity production in the recent years. It has become important to create forecast models that can provide reliable results and work with high accuracy in order to determine the future production amount of existing and planned HEPPs of channel type, to see the instantaneous production power and to make income evaluation in terms of investment. It is thought that the study will be a case study for production planning in channel type HEPPs and estimating the amount of energy production in regions where new investments will be made.