Bu tez, enerji politikalarının sistem dinamikleri yaklaşımıyla modellenmesi ve yenilenebilir enerji üretim sistemlerinin veriye dayalı yöntemlerle tahminleme ve eniyileme modellerinin tasarlanması çalışmalarından oluşmaktadır. Birbirlerini dolaylı olarak bütünleyen bu çalışmalar tezin iki farklı kısmını meydana getirmektedir. Tezin birinci kısmında; Türkiye'nin enerji politikası modeli, nüfus, enerji, ekonomi, üretim ve çevre ile ilgili bölümleri kapsayan dinamik benzetim modeli olarak hazırlanmış, bağımlı değişkenlerle tanımlanan 12 tane amaç fonksiyonunun Euler yöntemiyle bulunan tahmini değerleri duyarlılık analizleriyle bütünleşik çok amaçlı diferansiyel gelişim algoritmasıyla eniyilenmiş ve 2050 yılının sonunda Türkiye'nin sahip olacağı enerji karması senaryo analizleriyle belirlenmiştir. Tezin ikinci kısmında; yenilenebilir enerji üretim sistemlerinin karmaşıklık özelliği, değişken ve rastlantısal özelliklere sahip olması ve doğrusal olmayan etkileşimler içermesi nedeniyle biyokütle yanma kazanı ve yardımcı sistemlerinden oluşan bir fabrikadaki termal enerji üretim sistemini eniyileme problemi deterministik olmayan yöntemlerle polinomsal zamanda çözülen eniyileme problemleri sınıfında ele alınmıştır. Tahminleme modelinde; regresyon ağacı, rastgele orman, doğrusal olmayan regresyon, destek vektör regresyonu ve yapay sinir ağı yöntemleri kullanılmıştır. Tek ve çok amaçlı eniyileme problemlerinin çözümünde popülasyon ve sürü zekâsı tabanlı genetik algoritma, parçacık sürüsü eniyileme, karınca kolonisi eniyileme, yapay arı kolonisi, arılar, çok kolonili karınca ve çok kolonili yapay arı algoritmalarının yapay sinir ağları ile bütünleşik kullanımıyla tasarlanan eniyileme modelleri uygulanmıştır. Termal enerji üretiminin çok amaçlı eniyileme modellemesiyle baskın çözümlerden oluşan Pareto eniyi çözüm kümeleri tespit edilmiştir. Tahminleme ve eniyileme modellerinin her tekrardaki eniyileme sonuçları bir arayüz üzerinde izlenmiştir. Anahtar Kelimeler: Enerji politikası, sistem dinamikleri, yenilenebilir enerji, eniyileme, denetimli öğrenme, tahminleme, metasezgisel algoritma, sürü zekâsı, makina öğrenmesi, yapay zekâ, benzetim.
This thesis consists of studies, including the modeling of energy policies with the system dynamics approach and the design of prediction and optimization models of renewable energy production systems with data-driven methods. These studies, which indirectly complement each other, form two different parts of the thesis. In the first part of the thesis, Turkey's energy policy model has been prepared as a dynamic simulation model covering the sections related to population, energy, economy, production and environment, the predicted values of 12 objective functions defined with dependent variables, found by Euler's method, have been optimized with a multi-objective differential evolution algorithm integrated with sensitivity analysis and the energy mix that Turkey would have at the end of 2050 has been determined by scenario analyses. In the second part of the thesis; since renewable energy production systems have complexity, variable and random properties and non-linear interactions, the problem of optimization of the thermal energy production system in a factory consisting of a biomass combustion boiler and auxiliary systems has been discussed in the class of optimization problems that have been solved in polynomial time with non-deterministic methods. In the prediction model, regression tree, random forest, nonlinear regression, support vector regression and artificial neural network methods have been used. Optimization models designed by using population and swarm intelligence-based genetic algorithm, particle swarm optimization, ant colony optimization, artificial bee colony, bees, multiple colony ant and multiple colony artificial bee algorithms integrated with artificial neural networks have been applied to solve the single and multiobjective optimization problems. With the multi-objective optimization modeling of thermal energy production, Pareto optimal solution sets consisting of nondominated solutions have been determined. The optimization results of the prediction and optimization models at each iteration have been monitored on an interface. Keywords: Energy policy, system dynamics, renewable energy, optimization, supervised learning, prediction, metaheuristic algorithm, swarm intelligence, machine learning, artificial intelligence, simulation.
Tez (Doktora-PhD) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, 2022.
Kaynakça var.
Bu tez, enerji politikalarının sistem dinamikleri yaklaşımıyla modellenmesi ve yenilenebilir enerji üretim sistemlerinin veriye dayalı yöntemlerle tahminleme ve eniyileme modellerinin tasarlanması çalışmalarından oluşmaktadır. Birbirlerini dolaylı olarak bütünleyen bu çalışmalar tezin iki farklı kısmını meydana getirmektedir. Tezin birinci kısmında; Türkiye'nin enerji politikası modeli, nüfus, enerji, ekonomi, üretim ve çevre ile ilgili bölümleri kapsayan dinamik benzetim modeli olarak hazırlanmış, bağımlı değişkenlerle tanımlanan 12 tane amaç fonksiyonunun Euler yöntemiyle bulunan tahmini değerleri duyarlılık analizleriyle bütünleşik çok amaçlı diferansiyel gelişim algoritmasıyla eniyilenmiş ve 2050 yılının sonunda Türkiye'nin sahip olacağı enerji karması senaryo analizleriyle belirlenmiştir. Tezin ikinci kısmında; yenilenebilir enerji üretim sistemlerinin karmaşıklık özelliği, değişken ve rastlantısal özelliklere sahip olması ve doğrusal olmayan etkileşimler içermesi nedeniyle biyokütle yanma kazanı ve yardımcı sistemlerinden oluşan bir fabrikadaki termal enerji üretim sistemini eniyileme problemi deterministik olmayan yöntemlerle polinomsal zamanda çözülen eniyileme problemleri sınıfında ele alınmıştır. Tahminleme modelinde; regresyon ağacı, rastgele orman, doğrusal olmayan regresyon, destek vektör regresyonu ve yapay sinir ağı yöntemleri kullanılmıştır. Tek ve çok amaçlı eniyileme problemlerinin çözümünde popülasyon ve sürü zekâsı tabanlı genetik algoritma, parçacık sürüsü eniyileme, karınca kolonisi eniyileme, yapay arı kolonisi, arılar, çok kolonili karınca ve çok kolonili yapay arı algoritmalarının yapay sinir ağları ile bütünleşik kullanımıyla tasarlanan eniyileme modelleri uygulanmıştır. Termal enerji üretiminin çok amaçlı eniyileme modellemesiyle baskın çözümlerden oluşan Pareto eniyi çözüm kümeleri tespit edilmiştir. Tahminleme ve eniyileme modellerinin her tekrardaki eniyileme sonuçları bir arayüz üzerinde izlenmiştir. Anahtar Kelimeler: Enerji politikası, sistem dinamikleri, yenilenebilir enerji, eniyileme, denetimli öğrenme, tahminleme, metasezgisel algoritma, sürü zekâsı, makina öğrenmesi, yapay zekâ, benzetim.
This thesis consists of studies, including the modeling of energy policies with the system dynamics approach and the design of prediction and optimization models of renewable energy production systems with data-driven methods. These studies, which indirectly complement each other, form two different parts of the thesis. In the first part of the thesis, Turkey's energy policy model has been prepared as a dynamic simulation model covering the sections related to population, energy, economy, production and environment, the predicted values of 12 objective functions defined with dependent variables, found by Euler's method, have been optimized with a multi-objective differential evolution algorithm integrated with sensitivity analysis and the energy mix that Turkey would have at the end of 2050 has been determined by scenario analyses. In the second part of the thesis; since renewable energy production systems have complexity, variable and random properties and non-linear interactions, the problem of optimization of the thermal energy production system in a factory consisting of a biomass combustion boiler and auxiliary systems has been discussed in the class of optimization problems that have been solved in polynomial time with non-deterministic methods. In the prediction model, regression tree, random forest, nonlinear regression, support vector regression and artificial neural network methods have been used. Optimization models designed by using population and swarm intelligence-based genetic algorithm, particle swarm optimization, ant colony optimization, artificial bee colony, bees, multiple colony ant and multiple colony artificial bee algorithms integrated with artificial neural networks have been applied to solve the single and multiobjective optimization problems. With the multi-objective optimization modeling of thermal energy production, Pareto optimal solution sets consisting of nondominated solutions have been determined. The optimization results of the prediction and optimization models at each iteration have been monitored on an interface. Keywords: Energy policy, system dynamics, renewable energy, optimization, supervised learning, prediction, metaheuristic algorithm, swarm intelligence, machine learning, artificial intelligence, simulation.