Skip to main content

BAÜN Akdemisyeninden Rüzgâr Türbinlerinde Yapay Zekâ Destekli Kontrol Çalışması


Balıkesir Üniversitesi Balıkesir Meslek Yüksekokulu Elektronik ve Otomasyon Bölümü öğretim üyesi ve Yenilenebilir Enerji Araştırma, Geliştirme, Uygulama ve Araştırma Merkezi (YEAUM) Müdür Yardımcısı Dr. Öğr. Üyesi Batın Demircan tarafından hazırlanan tek yazarlı bilimsel çalışma, uluslararası Electronics dergisinde yayımlandı. Araştırmada, laboratuvar ölçekli bir rüzgâr türbininden elde edilen deneysel veriler kullanılarak elektriksel yükün optimize edilmesine ve maksimum güç noktasının izlenmesine (MPPT) yönelik veriye dayalı bir kontrol yaklaşımı geliştirildi.

Çalışma kapsamında, rüzgâr hızı, elektriksel yük seviyesi ve kanat açısının üretilen elektrik gücü üzerindeki etkileri incelendi. Dört farklı kanat açısı (30°, 45°, 60° ve 75°) ve çeşitli çalışma koşullarında gerçekleştirilen deneyler sonucunda 179 geçerli çalışma koşuluna ait 358 ölçüm elde edildi. Bu verilerle eğitilen çok katmanlı yapay sinir ağı modeli, test verilerinde R² = 0,997 belirleme katsayısına ulaşarak türbinin güç üretim davranışını yüksek doğrulukla tahmin etti.

Araştırmada, yapay zekâ modelinin kararlarını yorumlayabilmek için açıklanabilir yapay zekâ yöntemlerinden SHAP analizi kullanıldı. Analiz, incelenen veri kümesinde modelin güç tahminine yönelik göreli katkıların rüzgâr hızı için %41, kanat açısı için %41 ve elektriksel yük için %18 olduğunu gösterdi. Böylece modelin yalnızca tahmin başarımı değil, öğrendiği ilişkilerin yorumlanabilirliği de değerlendirildi.

Deneysel verilerden oluşturulan güç modeli, elektriksel yük sınırlarını ve yük komutundaki değişimleri dikkate alan kısıtlı, yarı kararlı durumlu tahmine dayalı bir optimizasyon algoritmasına entegre edildi. MATLAB/Simulink ortamında, model-in-the-loop (MIL) yaklaşımıyla doğrulanan yöntem, farklı kanat açısı yapılandırmalarında %96,1 ortalama güç yakalama verimine ulaştı. Karşılaştırılan klasik Perturb and Observe (P&O) yönteminin iki yüzde puanlık adım büyüklüğüyle elde ettiği ortalama verim ise %95,8 oldu.

Çalışma, gerçek deneysel ölçümlerden elde edilen veri temelli modelleme, açıklanabilir yapay zekâ ve tahmine dayalı elektriksel yük optimizasyonunu bir araya getirerek rüzgâr enerjisi sistemleri için yeni araştırmalara katkı sunmaktadır. Fiziksel deney düzeneğinde yük ayarı elle yapıldığından, önerilen kontrol algoritmasının başarımı doğrudan donanım üzerinde otomatik kapalı çevrim olarak değil, deneysel verilere dayanan model üzerinde simülasyonla değerlendirilmiştir. Makalede, deneylerde kullanılan yenilenebilir enerji sistemleri laboratuvarına erişim ve kullanım izni sağlayan BAÜNSEM ve YEAUM merkezlerine de teşekkür edilmiştir.

Yayın Bilgileri

Design and Model-in-the-Loop Validation of Data-Driven Predictive Electrical Load Control for a Laboratory-Scale Wind Turbine Electronics | 20 Kasım 2026 | Cilt 15, Sayı 22, Makale 5411

Erişilebilirlik Menüsü

🌓
Yüksek Kontrast
Siyah-beyaz yüksek kontrast görünüm
TT
Büyük Metin
Yazı boyutunu %120 büyüt
↔
Metin Boşluğu
Harf ve kelime aralıklarını artır
🔗
Bağlantıları Vurgula
Tüm linkleri belirgin hale getir
🖼️
Resimleri Gri Yap
Görselleri soluklaştır
☰
Satır Yüksekliği
Satırlar arası boşluğu artır
⬅
Sola Hizala
Tüm metinleri sola hizala
➤
Büyük İmleç
Fare imlecini büyüt
⏸
Animasyonları Durdur
Tüm hareketli efektleri kapat
💧
Doygunluk Azalt
Renk doygunluğunu düşür
Görme & İşitme Desteği
🔊
Sesli Okuma
Metinlere tıklayarak sesli dinleyin
📏
Okuma Kılavuzu
Satır takip çizgisi göster
Aa
Kolay Okunur Font
Disleksi dostu yazı tipi
🎯
Odak Modu
Dikkat dağıtıcıları azalt
×