Affiliation:
1. KARABÜK ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
Abstract
Son yıllarda, sürdürülebilir bir dünya için yenilenemeyen enerji kaynaklarının kullanımının azaltılması gerekliliği giderek daha belirgin hale gelmektedir. Fosil yakıt tüketiminden, daha temiz bir enerjiye geçiş döneminde, yenilenebilir enerji kaynakları hızla gelişme göstermektedir. Bu gelişmeler ışığında su enerjisi teknolojilerine odak artmaktadır. Enerji potansiyeli için gerekli şartlar karşılandığı sürece; su kaynaklı enerji üretim projelerinin uygulanması ülkelerin refahına katkı sağlama potansiyeli taşımaktadır. Yenilenebilir enerji üretiminde rekabete konu olan su kaynaklı enerji üretimi için; literatürde kıtalar arası enerjinin incelendiği, su potansiyelinin ölçüldüğü, santraller için uygun yer seçiminin yapıldığı, dalga – iklim ilişkisinin incelendiği, okyanus enerjisi teknolojileri konularını içeren çalışmalarda geleneksel teknikler yanı sıra yapay zekâ tekniklerine de yer verilmektedir. Deneysel modelleme saha ölçüm tekniklerinin yüksek maliyetli olduğu, sayısal yöntemlerin parametre ve girdi hazırlık sürecinin zahmetli olması sebebiyle çeşitli yapay zekâ yöntemleri, su kaynaklı enerji üretimi teknolojisinde yoğun şekilde kullanılmaktadır. Yapay sinir ağları da bu alanda karşılaşılan problemlerin çözümünde kullanılan tekniklerden birisi olarak yer almaktadır. Bu derlemede, Asya ve Avrupa kıtasında su kaynaklı enerji üretimi hakkında yapılmış mevcut çalışmalardan bahsedilmekte, Türkiye’nin su enerjisi potansiyelini, mevcut literatür incelenerek ortaya konulmaktadır. Ayrıca yapay zekâ tekniklerinden yapay sinir ağı metodunun su enerjisi teknolojilerinde ne şekilde ve hangi ölçüde kullanıldığı ve kullanılan yöntemlerle ilgili literatüre yer verilmiştir.
Publisher
Van Yuzuncu Yil University
Reference101 articles.
1. Abdalla, S., & Özhan, E. (1999, Nisan). Wind and wave climate of the mediterranean and the black sea. Proceedings of the International MEDCOAST Conference, Antalya.
2. Ahmed, A. A. M., Jui, S. J. J., AL-Musaylh, M. S., Raj, N., Saha, R., Deo, R. C., & Saha, S. K. (2024). Hybrid deep learning model for wave height prediction in Australia's wave energy region. Applied Soft Computing, 150, 111003. https://doi.org/10.1016/j.asoc.2023.111003
3. Alday, M., & Lavidas, G. (2024). Assessing the Tidal Stream Resource for energy extraction in The Netherlands. Renewable Energy, 220, 119683. https://doi.org/10.1016/j.renene.2023.119683
4. Ali, M., Prasad, R., Xiang, Y., Sankaran, A., Deo, R. C., Xiao, F., & Zhu, S. (2021). Advanced extreme learning machines vs. deep learning models for peak wave energy period forecasting: A case study in Queensland, Australia. Renewable Energy, 177, 1031-1044. https://doi.org/10.1016/j.renene.2021.06.052
5. Alpay, Ö. (2020). LSTM mimarisi kullanarak USD/TRY fiyat tahmini. European Journal of Science and Technology, 452-456. https://doi.org/10.31590/ejosat.araconf59