Rüzgar Gücü Rampa Olaylarını En Aza İndirmek İçin Türkiye'de Kurulacak Rüzgar Enerjisi Santrallerinin Konumsal Dağılım Optimizasyonu

Yenilenebilir enerji kaynaklarının iklimsel koşullara bağlı olarak rastgele değişkenlik göstermesi, geleneksel şebeke sisteminin güç frekans dengesi üzerinde bozucu etki yaratmaktadır. Yapılan bu çalışmada, rüzgâr enerjisi santralleri (RES) üretimlerinde görülen rampalar analiz edilmiştir. Ayrıca, Türkiye’deki mevcut tesis üretimlerinde görülen rampa olayları dikkate alınarak, yeni kurulacak tesislerdeki rampa olaylarını minimize edecek, tesis dağılımını belirleyen bir optimizasyon modeli önerilmiştir. Önerilen bu model Genetik Algoritma (GA) kullanılarak çözülmüştür. Elde edilen sonuçlar, yüzde rampa değerlerinin oluşturduğu histogram eğrilerinin altında kalan alanlar dikkate alınarak değerlendirilmiştir. Bu değerlendirmeler sonucunda, ülkedeki mevcut RES tesislerinin 1, 3 ve 6 saatlik rampa değerlerinin 2017 yılında sırasıyla 16.61, 41.32 ve 59.94 olduğu, 2018 yılında ise bu değerlerin sırasıyla 18.10, 40.49 ve 63.52 olduğu gözlenmiştir. Önerilen optimizasyon yönteminin çözümüyle elde edilen RES yerleşiminde 1, 3 ve 6 saatlik yüzde rampa değerlerinin histogram eğrilerinin altında kalan alanların ise sırasıyla 2017 yılında 9.98, 23.65 ve 30.97 olduğu, 2018 yıllında ise bu değerlerin sırasıyla 11.01, 25.65 ve 39.14 olduğu görülmüştür. Yeni tesis kurulumlarında, bu çalışmada önerilen yöntem ile elde edilen tesis kümesinin bölgelere dağılımının dikkate alınması durumunda oluşacak rampa olaylarının minimize edilebileceği öngörülmektedir.

Spatial Distribution Optimization of Wind Power Plants to be Installed in Turkey to Minimize Wind Power Ramp Events

The random variation of renewable energy sources depending on climatic conditions causes detrimental effects on the power frequency balance of the traditional grid system. In this study, the ramps seen in wind power plants (WPP) generations are analyzed. In addition, an optimization model has been proposed that determines the plant distribution to minimize ramp events in new plants by taking into account the ramp events seen in existing plant generations of Turkey. This proposed model has been solved using the Genetic Algorithm (GA). The results are evaluated by taking into account the areas below the histogram curves obtained from percentage ramp values. As a result of these assessments, it is observed that the current RES facilities in the country have histogram areas of 16.61, 41.32 and 59.94 in 2017, and in 2018 these values are 18.10, 40.49 and 63.52 respectively. In the WPP spatial distribution obtained by the solution of the proposed optimization method, it is observed that 1, 3 and 6 hour percentage ramp values have 9.98, 23.65 and 30.97 areas, respectively in 2017, and in 2018 these values are 11.01, 25.65 and 39.14 respectively. In new plant installations, it is envisaged that if the distribution of the plant cluster to the regions obtained by the method proposed in this study is taken into account, the ramp events will be minimized.

PDF

___

Turkish Wind Energy Association, “Turkish Wind Energy Statistic Report July 2019,” pp. 6–7, 2019.
[2] A. Kerem, Y. Atayeter, S. Görgülü, and S. Salman, “Mehmet Akif Ersoy Üniversitesi İstiklal Yerleşkesi’nin Rüzgar Enerji Fizibilite Alt Yapısının Hazırlanması ve Uygulanması,” Mehmet Akif Ersoy Üniversitesi Fen Bilim. Enstitüsü Derg., vol. 5, no. 1, pp. 18-24–24, 2014.
[3] K. Doğanşahin, A. F. Uslu, and B. Kekezoğlu, “İki Bileşenli Weibull Dağılımı ile Rüzgâr Hızı Olasılık Dağılımlarının Modellenmesi,” Eur. J. Sci. Technol., no. 15, pp. 315–326, 2019.
[4] S. Mishra, M. Leinakse, and I. Palu, “Wind power variation identification using ramping behavior analysis,” Energy Procedia, vol. 141, pp. 565–571, 2017.
[5] C. Yildiz and M. Şekkeli, “Türkiye gün öncesi elektrik piyasasında rüzgar enerjisi ve pompaj depolamalı hidroelektrik santral için optimum teklif oluşturulması Optimal bidding in Turkey day ahead electricity market for wind energy and pumped storage hydro power plant,” Pamukkale Univ Muh Bilim Derg, vol. 22, no. 5, pp. 361–366, 2016.
[6] S. Erkurt, “Şebeke bağlantili fotovoltaı̇ k elektrı̇ k üretı̇ m sı̇ stemlerı̇ nı̇ n güç kalı̇ tesı̇ ne etkı̇ lerı̇ ve performans analı̇ zı̇ ,” 2015.
[7] M. Abuella and B. Chowdhury, “Forecasting of solar power ramp events: A post-processing approach,” Renew. Energy, pp. 1380–1392, 2019.
[8] S. Malkawi, M. Al-Nimr, and D. Azizi, “A multi-criteria optimization analysis for Jordan’s energy mix,” Energy, vol. 127, no. 13, pp. 680–696, 2017.
[9] C. Viviescas et al., “Contribution of Variable Renewable Energy to increase energy security in Latin America: Complementarity and climate change impacts on wind and solar resources,” Renew. Sustain. Energy Rev., vol. 113, no. May, 2019.
[10] O. Aslantürk and G. Kıprızlı, “The role of renewable energy in ensuring energy security of supply and reducing energy-related import,” Int. J. Energy Econ. Policy, vol. 10, no. 2, pp. 354–359, 2020.
[11] R. Sevlian and R. Rajagopal, “Wind power ramps: Detection and statistics,” IEEE Power Energy Soc. Gen. Meet., pp. 1–8, 2012.
[12] Y. Wan, “Analysis of Wind Power Ramping Behavior in ERCOT,” Contract, no. March, 2011.
[13] E. Ela and J. Kemper, “Wind Plant Ramping Behavior,” Contract, no. December, 2009.
[14] V. Femin, R. Veena, I. Petra, S. Mathew, and J. Hazra, “Modelling the ramping behaviour of wind turbines,” in Proceedings of the 2016 International Conference on Cogeneration, Small Power Plants and District Energy, ICUE 2016, 2016.
[15] İ. Karadöl, C. Yildiz, H. Açikgöz, and M. Şekkeli, “Yenilenebilir Enerji Kaynaklarında Sürekliliği Sağlamak için Optimum Enerji Karışımının Belirlenmesi : Kahramanmaraş Bölgesinde Bir Uygulama,” vol. 35, no. March, pp. 173–182, 2020.
[16] R. Sevlian and R. Rajagopal, “Detection and statistics of wind power ramps,” IEEE Trans. Power Syst., vol. 28, no. 4, pp. 3610–3620, 2013.
[17] A. Florita, B. M. Hodge, and K. Orwig, “Identifying wind and solar ramping events,” IEEE Green Technol. Conf., pp. 147–152, 2013.
[18] J. Zhao, S. Abedi, M. He, P. Du, S. Sharma, and B. Blevins, “Quantifying Risk of Wind Power Ramps in ERCOT,” IEEE Trans. Power Syst., vol. 32, no. 6, pp. 4970–4971, 2017.
[19] A. Couto, P. Costa, L. Rodrigues, V. V. Lopes, and A. Estanqueiro, “Impact of Weather Regimes on the Wind Power Ramp Forecast in Portugal,” IEEE Trans. Sustain. Energy, vol. 6, no. 3, pp. 934– 942, 2015.
[20] C. Gallego, Á. Cuerva, and A. Costa, “Detecting and characterising ramp events in wind power time series,” J. Phys. Conf. Ser., vol. 555, no. 1, 2014.
[21] A. M. Foley, P. G. Leahy, A. Marvuglia, and E. J. McKeogh, “Current methods and advances in forecasting of wind power generation,” Renew. Energy, vol. 37, no. 1, pp. 1–8, 2012.
[22] M. Y. Hwang, C. H. Jin, Y. K. Lee, K. D. Kim, J. H. Shin, and K. H. Ryu, “Prediction of wind power generation and power ramp rate with time series analysis,” Proc. 2011 3rd Int. Conf. Aware. Sci. Technol. iCAST 2011, pp. 512–515, 2011.
[23] H. Zheng and A. Kusiak, “Prediction of wind farm power ramp rates: A data-mining approach,” J. Sol. Energy Eng. Trans. ASME, vol. 131, no. 3, pp. 0310111–0310118, 2009.
[24] H. Zareipour, D. Huang, and W. Rosehart, “Wind power ramp events classification and forecasting: A data mining approach,” IEEE Power Energy Soc. Gen. Meet., pp. 1–3, 2011.
[25] T. Ouyang, X. Zha, and L. Qin, “A Survey of Wind Power Ramp Forecasting,” Energy Power Eng., vol. 05, no. 04, pp. 368–372, 2013.
[26] A. Altay, Genetik Algoritma ve Bir Uygulama. 2007.
[27] G. G. Emel and Ç. Taşkın, “Genetik Algoritmalar ve Uygulama Alanları,” Uludağ Üniversitesi İktisadi ve İdari Bilim. Fakültesi, vol. 21, no. 1, pp. 129–152, 2002.
[28] İ. Çelik, C. Yıldız, and M. Şekkeli, “Rüzgâr Enerji Santrali kurulumunda rüzgâr türbinlerinin mikro yerleşimi için bir optimizasyon modeli,” Gazi Üniversitesi Fen Bilim. Derg. Part C Tasarım ve Teknol., vol. 6, no. 4, pp. 1–1, 2018.
[29] H. Zhi and S. Liu, “Face recognition based on genetic algorithm,” J. Vis. Commun. Image Represent., vol. 58, pp. 495–502, 2019.
[30] Y. İinceyol, Arazi Düzenleme Çalişmalarinda Genetik Algoritma Uygulamasi, vol. 85, no. 1. 2014.
[31] V. Yigit, “Genetik Algoritma ile Türkiye Net Elektrik Enerjisi Tüketiminin 2020 Yılına Kadar Tahmini,” vol. 3, no. 2, pp. 3–7, 2011.
[32] C. Ozturk, E. Hancer, and D. Karaboga, “A novel binary artificial bee colony algorithm based on genetic operators,” Inf. Sci. (Ny)., vol. 297, pp. 154–170, 2015.
[33] C. Jatoth, G. R. Gangadharan, and R. Buyya, “Optimal Fitness Aware Cloud Service Composition using an Adaptive Genotypes Evolution based Genetic Algorithm,” Futur. Gener. Comput. Syst., vol. 94, pp. 185–198, 2019.
[34] Ö. İşçi and S. Korukuğlu, “‘Genetik Algoritma Yaklaşımı ve Yöneylem Araştırmasında Bir Uygulama,’” Yönetim ve Ekon. Celal Bayar Üniversitesi İktisadi ve İdari Bilim. Fakültesi Derg., vol. 10, no. 2, pp. 191–208, 2003.
[35] S. Rules, “Area under a Curve : Trapezoidal and Simpson ’ s Rules Simpson ’ s rule is a method for evaluating the area under a curve from values of,” no. X, pp. 77–81, 1987.
[36] K. C. Yeh and K. C. Kwan, “A comparison of numerical integrating algorithms by trapezoidal, Lagrange, and spline approximation,” J. Pharmacokinet. Biopharm., vol. 6, no. 1, pp. 79–98, 1978.