Yapay Zeka İle Hidroelektrik Enerji Santralleri Baraj Rezervuarlarının İşletilmesi

Abstract

Bir hidroelektrik enerji santralinde (HES) baraj rezervuarının işletilmesi enerji planlaması, rezervuar yönetimi ve verimli işletme için gereklidir. İyi bir enerji planlaması için işletmeci, ertesi gün enerji üretim kapasitesini doğru tahmin etmeli ve üretimlerin enerji ihtiyacının en fazla olduğu saatlerde yapılmasını planlamalıdır. Bu tezde, Türkiye’de Ordu ilindeki Darıca-2 hidroelektrik enerji santrali (HES) incelenmiştir. Çalışmada ilk olarak, Darıca-2 HES rezervuarına gelen giriş akımlarını, rezervuardaki mevcut su seviyesini ve hava tahminini kullanarak bir sonraki gün maksimum enerji üretim kapasitesini tahmin etmek için bir sinir ağı modeli kullanılmıştır. Hidroelektrik enerji santrallerinde üretilen enerji, doğrudan rezervuar akışına bağlı olan rezervuarda depolanan su seviyesine bağlıdır. Rezervuardaki su seviyesi iklim koşullarına bağlı olarak yıl boyunca değiştiğinden, HES’i en etkin şekilde çalıştırmak için HES’deki enerji üretimini tahmin edebilmek önemlidir. Bu tezde, sinir ağının eğitim aşaması için 2018 ile 2020 yılları boyunca 3 yıllık toplanan saatlik rezervuar giriş verileri kullanıldı. HES'in ertesi gün enerji üretimi, her biri 10 nörona sahip iki gizli katmanlı bir sinir ağı tarafından tahmin edildi. Çalışmada ikinci olarak, gün öncesi elektrik fiyat tahmini için bir sinir ağı modeli kullanılmıştır. Sinir ağı ile EPİAŞ piyasa takas fiyatının en iyi olduğu saatlerin tahmini yapıldı. Sinir ağının eğitimi için TEİAŞ'ın yayınladığı Yük Tahmin Planlarını ve EPİAŞ’ın yayınladığı Piyasa Takas Fiyatı verileri kullanıldı. Hidroelektrik enerji Santralinin (HES) bir sonraki gün enerji üretimi için piyasa takas fiyatı (PTF) tahmini, her biri 20 nörona sahip bir gizli katmanlı bir sinir ağı tarafından tahmin edildi. Yapılan bu tez çalışmasında, baraj rezervuarının yapay zeka kullanılarak maksimum verim ile işletilmesinin sağlanabileceği gösterilmektedir.

The operation of the dam reservoir in a hydroelectric power plant (HEPP) is necessary for energy planning, reservoir management and efficient operation. For a good energy planning, the operator should correctly estimate the energy production capacity the next day and plan the productions to be made during the hours when the energy need is highest. In this thesis, Darica-2 hydroelectric power plant (HEPP) in Ordu province in Turkey was investigated. In the study, firstly, a neural network model was used to predict the next day's maximum energy production capacity by using the inflows to the Darıca-2 HEPP reservoir, the current water level in the reservoir and the weather forecast.The generated energy in an HPS is directly dependent on the level of stored water in the reservoir, which depends on reservoir inflow. As the level of water in a reservoir varies during the year depending on climatic conditions, it is important to be able to estimate energy generation at the HEPP to operate the HEPP most effectively. In this thesis, hourly reservoir input data collected over 3 years from 2018 to 2020 were used for the training phase of the neural network. The neural network was tested using a dataset that has been collected daily during the first nine months of 2021.The next day energy generation of the hydroelectric power plant (HEPP) was estimated by a neural network that has two hidden layers, with each hidden layer having 10 neurons. In the study, secondly, a neural network model was used for day-ahead electricity price prediction. With the neural network, the best hours of EPİAŞ market V clearing price were estimated. For the training of the neural network, the Load Forecast Plans published by TEİAŞ and the Market Clearing Price data published by EPİAŞ were used. The forecast of the market clearing price (PTF) for the next day power generation of the hydroelectric power plant (HEPP) was estimated by a neural network that has a hidden layer, of 20 neurons each. In this thesis, it is shown that the dam reservoir can be operated with maximum efficiency by using artificial intelligence.