Estimation of Wind Turbine Energy Production Value by Using Machine Learning Algorithms and Development of Implementation Program

Aksoy, Bekir; Selbaş, Reşat

doi:10.1080/15567036.2019.1631410

Cited by 17 publications

(13 citation statements)

References 44 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the past few years, evaluating data collected throughout the energy generation process has become a critical concern in the electric power industry to improve the efficiency of the energy generated. Based on the temperature, Wind speed, and direction measurements collected from the Wind generator in 2015, this study calculated the optimum amount using machine learning approaches [98]. A mathematical formulation has been found that correctly forecasts the value of energy generation by 90 percent.…”

Section: Machine Learning Techniquesmentioning

confidence: 99%

See 1 more Smart Citation

Wind, Solar, and Photovoltaic Renewable Energy Systems with and without Energy Storage Optimization: A Survey of Advanced Machine Learning and Deep Learning Techniques

et al. 2022

View full text Add to dashboard Cite

Nowadays, learning-based modeling methods are utilized to build a precise forecast model for renewable power sources. Computational Intelligence (CI) techniques have been recognized as effective methods in generating and optimizing renewable tools. The complexity of this variety of energy depends on its coverage of large sizes of data and parameters, which have to be investigated thoroughly. This paper covered the most resent and important researchers in the domain of renewable problems using the learning-based methods. Various types of Deep Learning (DL) and Machine Learning (ML) algorithms employed in Solar and Wind energy supplies are given. The performance of the given methods in the literature is assessed by a new taxonomy. This paper focus on conducting comprehensive state-of-the-art methods heading to performance evaluation of the given techniques and discusses vital difficulties and possibilities for extensive research. Based on the results, variations in efficiency, robustness, accuracy values, and generalization capability are the most obvious difficulties for using the learning techniques. In the case of the big dataset, the effectiveness of the learning techniques is significantly better than the other computational methods. However, applying and producing hybrid learning techniques with other optimization methods to develop and optimize the construction of the techniques is optionally indicated. In all cases, hybrid learning methods have better achievement than a single method due to the fact that hybrid methods gain the benefit of two or more techniques for providing an accurate forecast. Therefore, it is suggested to utilize hybrid learning techniques in the future to deal with energy generation problems.

show abstract

Section: Machine Learning Techniquesmentioning

confidence: 99%

“…15 [98] Wind energy Evaluation of Wind turbine energy generation by using machine-learning method. 16 [100] Wind and Solar energy A new machine learning method for Solar and Wind energy generation.…”

Section: Machine Learning Techniquesmentioning

confidence: 99%

Wind, Solar, and Photovoltaic Renewable Energy Systems with and without Energy Storage Optimization: A Survey of Advanced Machine Learning and Deep Learning Techniques

et al. 2022

View full text Add to dashboard Cite

show abstract

“…Günümüzde teknolojinin hızla ilerlemesi ile birlikte yapay zeka kavramı da günlük hayatın vazgeçilmez bir parçası haline gelmiştir. Yapay zeka, literatürde enerji [1], hava sıcaklığı ve hava kirliliği [2][3], meteorolojik durumlar [4], sağlık [5] ve tarım [6] gibi birçok alanda yaygın bir şekilde kullanılmaktadır. Yapay zekanın önemli kullanım alanlarından birisi de ulaşım sektörüdür.…”

Section: Introductionunclassified

Hava Araçlarinda Buzlanma Ri̇sk Derecesi̇ni̇n Yapay Zeka İle Tahmi̇n Edi̇lmesi̇

Ateş¹,

Şenol

2021

International Journal of 3D Printing Technologies and Digital Industry

View full text Add to dashboard Cite

Hava araçlarında buzlanma geçmişten günümüze havacılık alanında ciddi problemlerden biridir. Buzlanma hava araçlarının performansını düşürür ve hava aracının hakimiyetinin kaybedilip düşmesine, bunun sonucu olarak ise ölüm ve yaralanmalara sebep olabilir. Literatürde hava aracı üzerinde oluşan buzlanmadan ötürü pek çok kaza meydana gelmiştir ve günümüzde de halen meydana gelmektedir. Hava araçlarında buzlanma probleminin önüne geçebilmek için buz önleme ve buz giderme sistemleri önerilmiştir. Buz önleme ve giderme sistemlerinin doğru zamanda devreye alınıp çıkarılması önem arz eder. Aynı zamanda buz önleme ve giderme sistemlerinin çalıştırılıp kapatılması için buzlanmanın varlığına göre kararı pilota bırakmamakta insan kaynaklı hataların önüne geçmeyi sağlar. Bu çalışmada buzlanma risk derecesinin karar ağaçları algoritması kullanarak tahmin edilmesi gerçekleştirilmiştir. Karar ağacı algoritması hold-out, k kat çapraz doğrulama ve biri dışarda çapraz doğrulama modelleri için kurulmuştur. Hold-out yöntemi için farklı doğrulama verisi oranları kullanılmış, k kat çapraz doğrulama modeli için ise farklı k kat değerleri kullanılmıştır. Sonuçlar performans değerlendirme metriklerinden doğruluk, duyarlılık, kesinlik ve F-ölçütü kullanılarak belirlenmiştir.

show abstract

“…Literatürde 3D yazıcılar ile gerçekleştirilen üretim süreçlerinde makine öğrenmesi destekli farklı çalışmalar yapılmıştır. Makine öğrenmesi yöntemleri veriler üzerinden akıllı kararlar vermeye yönelik bilgi keşifleri gerçekleştirmeyi sağlar [6]. Makine öğrenmesi algoritmaları kullanılarak belli bir probleme çözüm üretmek için o probleme özgü veri setlerinin oluşturulması gerekmektedir.…”

Section: Introductionunclassified

3 Boyutlu Baskida Kullanilacak Malzemeni̇n Maki̇ne Öğrenmesi̇ Tekni̇kleri̇ İle Tahmi̇nlenmesi̇

Sevli

2021

International Journal of 3D Printing Technologies and Digital Industry

View full text Add to dashboard Cite

ÖZ3 boyutlu (3D) baskı Endüstri 4.0'ın önde gelen ve hızla gelişen teknolojilerinden biridir. Sanal ortamda 3 boyutlu olarak modellenen cisimler 3 boyutlu yazıcılar kullanılarak farklı teknik ve malzemelerle hızlı şekilde prototiplenebilmektedir. 3D baskıda üretilen ürünün amaca uygun, mümkün olduğunca düşük maliyetli ve ideal şekilde dayanıklı olması beklenmektedir. Üretilecek çıktının nitelikleri eldeki baskı teknolojisinin kısıtlarına bağlı olarak şekillenir. Ürünün niteliğini etkileyen diğer önemli bir unsur da baskı için kullanılacak olan malzemedir. Farklı teknik özellikler, dayanım ve kullanım alanları olan ABS ve PLA malzemelerden uygun olanın seçilmesi amaca uygun çıktıların elde edilmesi noktasında önem taşımaktadır. Bu çalışmada 3D yazıcılara ait çeşitli ayar parametreleri ve üretilecek ürünün niteliklerini ifade eden toplam 12 öznitelikten oluşan bir veri seti üzerinde basım için kullanılacak malzemenin tahminlenmesine yönelik makine öğrenmesi temelli sınıflandırmalar gerçekleştirilmiştir. Destek Vektör Makinesi (DVM), K-En yakın Komşu (KNN), Karar Ağacı (KA), Rastgele Orman (RO) ve Lojistik Regresyon (LR) olmak üzere beş ayrı yöntemle ve 5 kat çapraz doğrulama ile gerçekleştirilen sınıflandırma işlemlerinde en yüksek doğruluk %100 olarak LR algoritması ile elde edilmiştir.

show abstract

Estimation of Wind Turbine Energy Production Value by Using Machine Learning Algorithms and Development of Implementation Program

Cited by 17 publications

References 44 publications

Wind, Solar, and Photovoltaic Renewable Energy Systems with and without Energy Storage Optimization: A Survey of Advanced Machine Learning and Deep Learning Techniques

Wind, Solar, and Photovoltaic Renewable Energy Systems with and without Energy Storage Optimization: A Survey of Advanced Machine Learning and Deep Learning Techniques

Hava Araçlarinda Buzlanma Ri̇sk Derecesi̇ni̇n Yapay Zeka İle Tahmi̇n Edi̇lmesi̇

3 Boyutlu Baskida Kullanilacak Malzemeni̇n Maki̇ne Öğrenmesi̇ Tekni̇kleri̇ İle Tahmi̇nlenmesi̇

Contact Info

Product

Resources

About