Rüzgâr Hızlarında Uzun Hafıza: Amasra Bölgesi için Bir Zaman Serisi Analizi-Reference-Cited by-同舟云学术

Rüzgâr Hızlarında Uzun Hafıza: Amasra Bölgesi için Bir Zaman Serisi Analizi

Published:2022-12-31 Issue: Volume: Page:
ISSN:2458-7575
Container-title:Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi
language:tr
Short-container-title:

Author:

TÜRKYILMAZ Serpil¹^ORCID

Affiliation:

1. Bilecik Şeyh Edebali Üniversitesi

Abstract

Son yıllarda rüzgâr enerjisinin yenilenebilir bir enerji kaynağı olarak yaygınlaşması ile birlikte rüzgâr hızının enerji üretimindeki ekonomik etkilerinin değerlendirilmesi de önem kazanmış ve enerji planlamalarında doğru rüzgâr hızı tahmini ve modellemesine olan ilgi artmıştır. Çalışmada klasik yaklaşımlardan farklı olarak rüzgâr hızlarındaki uzun hafıza özelliği incelenmiştir. Bu amaçla, Türkiye’ de Bartın ili Amasra bölgesi rüzgâr hızları için uzun hafıza etkisi ARFIMA-FIGARCH modelleri ile araştırılmış ve model performansları karşılaştırılmıştır. Çalışma bulgularına göre; Amasra bölgesi rüzgâr hızı serisi için ortalama ve koşullu varyansında uzun hafıza parametreleri istatistiksel anlamlı bulunmuş ve en uygun model ARFIMA(0,,1)- FIGARCH(1, d, 1) modeli olarak tahmin edilmiştir.

Publisher

Bilecik Seyh Edebali Universitesi Fen Bilimleri Dergisi

Subject

General Earth and Planetary Sciences,General Environmental Science

Reference25 articles.

1. Shen, Z. & Ritter, M. (2015). Forecasting volatility of wind power production. SFB 649Discussion Paper-026, 1-32.

2. Caporin, M. & Preś, J. (2012). Modelling and forecasting wind speed intensity for weatherrisk management. Computational Statistics and Data Analysis,56, 3459-3476.

3. Bouette, J.C., Chassagneux, J.F., Sibai, D., Terron R., & Charpentier, A. (2006). Wind in Ireland: long memory or seasonal effect?, Stoch Environ Res Risk Assess, 20, 141-151.

4. Liu, X. & Wang, Y. (2013). Wind speed forecasting based on ARFIMA-EGARCH model. BTAIJ, 8(4), 559-562.

5. Özen, C., Kaplan, O., Özcan, C. & Dinç, U. (2019). Short Term Wind Speed Forecast By Using Long Short Term Memory. ATMOS 2019, İstanbul, 1-7.