Jeotermal Enerji Santralinin Sistem Parametrelerine Göre Performans Tahmini İçin Regresyon Analizi

Abstract

Bu çalışmada, Batı Anadolu’da bulunan, üç flaşlı+ikili çevrimli bir jeotermal enerji santralinin ölçüm verileri kullanılarak net güç üretim tahmini yapan farklı regresyon analizi yöntemlerinin performansları karşılaştırılmıştır. Bu regresyon modellerinin amacı, jeotermal enerji santralinin performansını etkileyen parametrelerin santralin net elektrik üretim miktarına etkisini istatistiksel olarak tahmin etmektir.

Santralden jeotermal akışkan sıcaklığı, akışkan debisi, hava sıcaklığı ve net güç ortalama değerlerinden oluşan 1460 adet veri temin edilmiştir. Bu verilere önce Skewness-Kurtosis normallik testi yapılmış ve bazı veriler çıkarılarak normallik şartı sağlanmıştır. Daha sonra çoklu doğrusal, polinomal, karar ağaçları, rastgele orman ve gradyan artırma regresyon modelleri oluşturulmuştur. Bazı modellerde aşırı uyum tespit edildiğinden bu modellere 5 ve 10 katlı çapraz doğrulama yöntemi uygulanmıştır. Hata ölçüm parametreleri olan R2, MAE, MSE ve RMSE değerlerine göre en başarılı yöntem 10 katlı çapraz doğrulama ve en başarılı model ise gradyan artırma modeli olduğu görülmüştür.

In this study, the performances of different regression analysis methods for predicting the net power generation using the measured data of a three-flash+binary cycle geothermal power plant located in Western Anatolia are compared. The aim of these regression models is to statistically estimate the effect of the parameters affecting the performance of the geothermal power plant on the net electricity generation of the power plant.

A total of 1460 data consisting of geothermal fluid temperature, fluid flow rate, air temperature and net power average values were obtained from the power plant. First, Skewness-Kurtosis normality test was performed on these data and normality condition was met by removing some data. Then, multiple linear, polynomial, decision tree, random forest and gradient boosting regression models were created. Since overfitting was detected in some models, 5 and 10 fold cross validation methods were applied to these models. According to the error measurement parameters R2, MAE, MSE and RMSE values, the most successful method was 10 fold cross validation and the most successful model was the gradient boosting model.