Araştırma Makalesi
BibTex RIS Kaynak Göster

KIRŞEHİR’İN RÜZGAR ENERJİSİ POTANSİYELİ VE İÇ ANADOLU BÖLGESİ KURULU RÜZGAR ENERJİSİ SANTRALLERİNİN GÜÇ ANALİZİ

Yıl 2025, Cilt: 28 Sayı: 1, 189 - 201, 03.03.2025

Müjdat Öztürk , Ramazan Kayabaşı , Oğuz Taşdemir

Öz

Türkiye’nin zengin ve çeşitlilik içeren yenilenebilir enerji potansiyeli, son yıllarda hızla değerlendirilmeye başlanmıştır. Özellikle rüzgar enerjisi, elektrik üretiminde önemli bir rol oynamakta ve kurulu güç içerisindeki payını sürekli artırmaktadır. Çevre dostu bir enerji kaynağı olan rüzgar enerjisi, kırsal bölgelerde de yüksek üretim kapasitesine sahiptir. Bu çalışmada, İç Anadolu Bölgesi illerinin rüzgar potansiyeli ve kurulu santral kapasiteleri; nüfus ve gelişmişlik düzeyleriyle ilişkilendirilerek incelenmiştir. Özel olarak Kırşehir bölgesi ele alınmış ve 2024-2028 yılları arasında bölgedeki rüzgar enerjisi üretim kapasitesi Yapay Sinir Ağları (YSA) tabanlı bir model ile tahmin edilmiştir. Analiz sonuçlarına göre, 2024 yılında rüzgar potansiyelinde yaklaşık %1’lik bir düşüş yaşanması öngörülmüş, ancak 2025-2028 yılları arasında her yıl %1’lik bir artış kaydedilmiştir. 2023 yılındaki üretime kıyasla, 2026 yılında tahmini enerji üretimi %3,5 oranında artış göstermiştir. Aynı şekilde, 2027 ve 2028 yıllarında da enerji üretiminde yükseliş devam etmiştir. Çalışma, İç Anadolu Bölgesi’nin rüzgar enerji potansiyelini detaylı bir şekilde değerlendirirken, Kırşehir ilinde yer alan rüzgar santrali özelinde 2024-2028 yılları arasındaki enerji üretim tahminini ortaya koymuştur. Sonuç olarak, bölgenin mevcut kapasitesi ile potansiyel enerji üretimi ve yıllara göre değişimi kapsamlı bir şekilde analiz edilmiştir.

Anahtar Kelimeler

Yenilenebilir enerji kaynakları rüzgar enerji santrali rüzgar enerji potansiyeli YSA Güç

Kaynakça

  • Arslan, H., Baltaci, H., Akkoyunlu, B.O., Karanfil, S., & Tayanc, M. (2020). Wind speed variability and wind power potential over Turkey: Case studies for Çanakkale and İstanbul. Renewable Energy, 145, 1020-1032. https://doi.org/10.1016/j.renene.2019.06.128.
  • Artun, O. (2020). Determination of the suitable areas for the investment of the wind energy plants (WEP) in Osmaniye using Analytical Hierarchy Process (AHP) and Geographic Information Systems (GIS). Avrupa Bilim ve Teknoloji Dergisi, (20), 196-205. https://doi.org/10.31590/ejosat.763866
  • Bayrakçı, C.H., & Delikanlı, K. (2007). Türkiye'de rüzgar enerjisi ve potansiyel belirleme çalışmaları. Mühendis ve Makina Dergisi, 48(569), 78-80.
  • Bilal, B., Adjallah, K. H., Sava, A., Yetilmezsoy, K., & Ouassaid, M. (2023). Wind turbine output power prediction and optimization based on a novel adaptive neuro-fuzzy inference system with the moving window. Energy, 263, 126159.
  • Bilgili, M., Özbek, A., Sahin, B., & Kahraman, A. (2015). An overview of renewable electric power capacity and progress in new technologies in the world. Renewable and Sustainable Energy Reviews, 49, 323-334. https://doi.org/10.1016/j.rser.2015.04.148
  • Burton, T., Sharpe, D., Jenkins, N., & Bossanyi, E. (2001) Wind energy handbook. Baffins Lane, Chichester West Sussex PO19 1UD: John Wiley & Sons Ltd.
  • Çelik, E., Bal, G., Öztürk, N., Bekiroglu, E., Houssein, E. H., Ocak, C., & Sharma, G. (2024). Improving speed control characteristics of PMDC motor drives using nonlinear PI control. Neural Computing and Applications, 1-12. Enerji ve Tabii Kaynaklar Bakanlığı, www.enerji.gov.tr, Son Erişim: 15.01.2024
  • International Energy Agency. (2024). World Energy Outlook 2024. Paris: IEA Publications.
  • Irmak, E., Yeşilbudak, M., & Taşdemir, O. (2024). Enhanced PV power prediction considering PM10 parameter by hybrid JAYA-ANN Model. Electric Power Components and Systems, 1-10. https://doi.org/10.1080/15325008.2024.2322668
  • İlhan, A., Bilgili, M., & Şahin, B. (2020). Analyses of current wind energy status of Turkey and its future prospect. Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 35 (4), 1059-1072. https://doi.org/10.21605/cukurovaummfd.869175
  • İstanbul Teknik Üniversitesi, https://web.itu.edu.tr/~kaymak/images/windpower.html, Son Erişim: 20.01.2024
  • Jani, D.B., Mishra, M., & Sahoo, P.K. (2017). Application of artificial neural network for predicting performance of solid desiccant cooling systems–a review. Renew. Sustain. Energy Rev., 80, 352–366. https://doi.org/10.1016/j.rser.2017.05.169
  • Korkmaz, M., Öztürk, N., & Harnuboğlu, S. (2024). Kırşehir il sınırları içerisinde Rüzgâr Enerjisi Santrali (RES) kurulumu için uygun sahaların mekânsal olarak belirlenmesi. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 12(1), 463-495. https://doi.org/10.29130/dubited.1181883
  • Lagos, A., Caicedo, J. E., Coria, G., Quete, A. R., Martínez, M., Suvire, G., & Riquelme, J. (2022). State-of-the-Art using bibliometric analysis of Wind-Speed and-Power forecasting methods applied in power systems. Energies, 15(18), 6545.
  • Meteoroloji Genel Müdürlüğü, https://www.mgm.gov.tr/, Son Erişim: 20.01.2024
  • Özşahin, E., & Kaymaz, Ç.K. (2013). Rüzgar enerji santrallerinin yapım yeri seçimi üzerine bir CBS analizi: Hatay Örneği. Türk Bilim Dergis, 6(2), 1-18.
  • Siami-Irdemoosa, E., & Dindarloo, S.R. (2015). Prediction of fuel consumption of mining dump trucks: a neural networks approach. Appl. Energy, 151, 77–84. https://doi.org/10.1016/j.apenergy.2015.04.064
  • Smith, J. (2024). Chemical composition of air and its applications in energy engineering. Journal of Energy Engineering, 150(3), 34-45.
  • Sediqi, K.J. (2016). Gis-based multi-criteria approach for land-use suitability analysis of wind farms: the case study of Karaburun Peninsula, Izmir,-Turkey. MSc, Izmir Institute of Technology, İzmir.
  • Solar Heat Europe, https://solarheateurope.eu/2021/06/18/ieas-net-zero-by-2050-a-roadmap-for-the-global-energy-sector/iea-2050-pic-3/, Son Erişim: 20.02.2024
  • Uğurel, A. (2000). Rüzgar ve güneş enerjisinden elektrik üretimi ve türkiye için önemi, III. Ulusal Temiz Enerji Sempozyumu, UTES’2000, İstanbul.
  • Urfali, T., & Eymen, A. (2021). CBS ve AHP yöntemi yardımıyla Kayseri ili örneğinde rüzgâr enerji santrallerinin yer seçimi. Geomatik, 6(3), 227-237. https://doi.org/10.29128/geomatik.772453
  • Taşkın, E., Yılmaz, M., & Kılıç, Ç. (2020). Rüzgâr enerji santrallerinin ekonomik etkileri ve sosyal kabul: Mucur örneği. Coğrafi Bilimler Dergisi, 18(2), 296-319.
  • Türkiye Rüzgar Enerjisi Birliği, www.tureb.com.tr, Türkiye’de rüzgar enerji santralleri illere göre kurulu gücü, Türkiye Rüzgar Enerjisi İstatistik Raporu, Son Erişim: 10.02.2024
  • Yang, J., Cai, W., Ma, M., Li, L., Liu, C., Ma, X., & Chen, X. (2020). Driving forces of China’s CO2 emissions from energy consumption based on Kaya-LMDI methods. Science of the Total Environment, 711, 134569. https://doi.org/10.1016/j.scitotenv.2019.134569
  • Yıldırım, U., Gazibey, Y., & Güngör, A. (2016). Niğde ili rüzgar enerjisi potansiyeli. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 1(1), 37-47. https://doi.org/10.28948/ngumuh.239392
  • Wang, F., Harindintwali, J. D., Yuan, Z., Wang, M., Wang, F., Li, S., ... & Chen, J. M. (2021). Technologies and perspectives for achieving carbon neutrality. The Innovation, 2(4), 1-22. https://doi.org/10.1016/j.xinn.2021.100180

WIND ENERGY POTENTIAL OF KIRŞEHİR AND POWER ANALYSIS OF WIND ENERGY PLANTS INSTALLED IN CENTRAL ANATOLIA REGION

Yıl 2025, Cilt: 28 Sayı: 1, 189 - 201, 03.03.2025

Müjdat Öztürk , Ramazan Kayabaşı , Oğuz Taşdemir

Öz

Turkey's rich and diverse renewable energy potential has been rapidly utilized in recent years. Among these resources, wind energy plays a critical role in electricity generation, steadily increasing its share in installed capacity. As an environmentally friendly energy source, wind energy demonstrates high production capacity, particularly in rural areas. This study examines the wind potential and installed power plant capacities of provinces in the Central Anatolia Region, considering parameters such as population and development levels. Specifically, the Kırşehir region was analyzed, and the wind energy production capacity for 2024–2028 was estimated using an Artificial Neural Network (ANN)-based model. The analysis predicted a slight decrease of approximately 1% in wind potential for 2024, followed by an annual increase of 1% from 2025 to 2028. Compared to 2023, energy production in 2026 is projected to rise by 3.5%, with further increases anticipated in 2027 and 2028. This study provides a detailed evaluation of the wind energy potential in the Central Anatolia Region and offers energy production forecasts for the Kırşehir wind farm during 2024–2028 using an ANN-based predictive model. As a result, the study comprehensively analyzes the current capacity, potential energy production, and annual variations in the region.

Anahtar Kelimeler

Renewable energy sources wind power plant wind energy potential ANN power prediction

Kaynakça

  • Arslan, H., Baltaci, H., Akkoyunlu, B.O., Karanfil, S., & Tayanc, M. (2020). Wind speed variability and wind power potential over Turkey: Case studies for Çanakkale and İstanbul. Renewable Energy, 145, 1020-1032. https://doi.org/10.1016/j.renene.2019.06.128.
  • Artun, O. (2020). Determination of the suitable areas for the investment of the wind energy plants (WEP) in Osmaniye using Analytical Hierarchy Process (AHP) and Geographic Information Systems (GIS). Avrupa Bilim ve Teknoloji Dergisi, (20), 196-205. https://doi.org/10.31590/ejosat.763866
  • Bayrakçı, C.H., & Delikanlı, K. (2007). Türkiye'de rüzgar enerjisi ve potansiyel belirleme çalışmaları. Mühendis ve Makina Dergisi, 48(569), 78-80.
  • Bilal, B., Adjallah, K. H., Sava, A., Yetilmezsoy, K., & Ouassaid, M. (2023). Wind turbine output power prediction and optimization based on a novel adaptive neuro-fuzzy inference system with the moving window. Energy, 263, 126159.
  • Bilgili, M., Özbek, A., Sahin, B., & Kahraman, A. (2015). An overview of renewable electric power capacity and progress in new technologies in the world. Renewable and Sustainable Energy Reviews, 49, 323-334. https://doi.org/10.1016/j.rser.2015.04.148
  • Burton, T., Sharpe, D., Jenkins, N., & Bossanyi, E. (2001) Wind energy handbook. Baffins Lane, Chichester West Sussex PO19 1UD: John Wiley & Sons Ltd.
  • Çelik, E., Bal, G., Öztürk, N., Bekiroglu, E., Houssein, E. H., Ocak, C., & Sharma, G. (2024). Improving speed control characteristics of PMDC motor drives using nonlinear PI control. Neural Computing and Applications, 1-12. Enerji ve Tabii Kaynaklar Bakanlığı, www.enerji.gov.tr, Son Erişim: 15.01.2024
  • International Energy Agency. (2024). World Energy Outlook 2024. Paris: IEA Publications.
  • Irmak, E., Yeşilbudak, M., & Taşdemir, O. (2024). Enhanced PV power prediction considering PM10 parameter by hybrid JAYA-ANN Model. Electric Power Components and Systems, 1-10. https://doi.org/10.1080/15325008.2024.2322668
  • İlhan, A., Bilgili, M., & Şahin, B. (2020). Analyses of current wind energy status of Turkey and its future prospect. Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 35 (4), 1059-1072. https://doi.org/10.21605/cukurovaummfd.869175
  • İstanbul Teknik Üniversitesi, https://web.itu.edu.tr/~kaymak/images/windpower.html, Son Erişim: 20.01.2024
  • Jani, D.B., Mishra, M., & Sahoo, P.K. (2017). Application of artificial neural network for predicting performance of solid desiccant cooling systems–a review. Renew. Sustain. Energy Rev., 80, 352–366. https://doi.org/10.1016/j.rser.2017.05.169
  • Korkmaz, M., Öztürk, N., & Harnuboğlu, S. (2024). Kırşehir il sınırları içerisinde Rüzgâr Enerjisi Santrali (RES) kurulumu için uygun sahaların mekânsal olarak belirlenmesi. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 12(1), 463-495. https://doi.org/10.29130/dubited.1181883
  • Lagos, A., Caicedo, J. E., Coria, G., Quete, A. R., Martínez, M., Suvire, G., & Riquelme, J. (2022). State-of-the-Art using bibliometric analysis of Wind-Speed and-Power forecasting methods applied in power systems. Energies, 15(18), 6545.
  • Meteoroloji Genel Müdürlüğü, https://www.mgm.gov.tr/, Son Erişim: 20.01.2024
  • Özşahin, E., & Kaymaz, Ç.K. (2013). Rüzgar enerji santrallerinin yapım yeri seçimi üzerine bir CBS analizi: Hatay Örneği. Türk Bilim Dergis, 6(2), 1-18.
  • Siami-Irdemoosa, E., & Dindarloo, S.R. (2015). Prediction of fuel consumption of mining dump trucks: a neural networks approach. Appl. Energy, 151, 77–84. https://doi.org/10.1016/j.apenergy.2015.04.064
  • Smith, J. (2024). Chemical composition of air and its applications in energy engineering. Journal of Energy Engineering, 150(3), 34-45.
  • Sediqi, K.J. (2016). Gis-based multi-criteria approach for land-use suitability analysis of wind farms: the case study of Karaburun Peninsula, Izmir,-Turkey. MSc, Izmir Institute of Technology, İzmir.
  • Solar Heat Europe, https://solarheateurope.eu/2021/06/18/ieas-net-zero-by-2050-a-roadmap-for-the-global-energy-sector/iea-2050-pic-3/, Son Erişim: 20.02.2024
  • Uğurel, A. (2000). Rüzgar ve güneş enerjisinden elektrik üretimi ve türkiye için önemi, III. Ulusal Temiz Enerji Sempozyumu, UTES’2000, İstanbul.
  • Urfali, T., & Eymen, A. (2021). CBS ve AHP yöntemi yardımıyla Kayseri ili örneğinde rüzgâr enerji santrallerinin yer seçimi. Geomatik, 6(3), 227-237. https://doi.org/10.29128/geomatik.772453
  • Taşkın, E., Yılmaz, M., & Kılıç, Ç. (2020). Rüzgâr enerji santrallerinin ekonomik etkileri ve sosyal kabul: Mucur örneği. Coğrafi Bilimler Dergisi, 18(2), 296-319.
  • Türkiye Rüzgar Enerjisi Birliği, www.tureb.com.tr, Türkiye’de rüzgar enerji santralleri illere göre kurulu gücü, Türkiye Rüzgar Enerjisi İstatistik Raporu, Son Erişim: 10.02.2024
  • Yang, J., Cai, W., Ma, M., Li, L., Liu, C., Ma, X., & Chen, X. (2020). Driving forces of China’s CO2 emissions from energy consumption based on Kaya-LMDI methods. Science of the Total Environment, 711, 134569. https://doi.org/10.1016/j.scitotenv.2019.134569
  • Yıldırım, U., Gazibey, Y., & Güngör, A. (2016). Niğde ili rüzgar enerjisi potansiyeli. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 1(1), 37-47. https://doi.org/10.28948/ngumuh.239392
  • Wang, F., Harindintwali, J. D., Yuan, Z., Wang, M., Wang, F., Li, S., ... & Chen, J. M. (2021). Technologies and perspectives for achieving carbon neutrality. The Innovation, 2(4), 1-22. https://doi.org/10.1016/j.xinn.2021.100180
Toplam 27 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Elektrik Enerjisi Üretimi (Yenilenebilir Kaynaklar Dahil, Fotovoltaikler Hariç)
Bölüm Elektrik Elektronik Mühendisliği
Yazarlar

Müjdat Öztürk 0000-0003-1800-2234

Ramazan Kayabaşı 0000-0001-6195-7445

Oğuz Taşdemir 0000-0003-1782-0024

Yayımlanma Tarihi 3 Mart 2025
Gönderilme Tarihi 15 Ağustos 2024
Kabul Tarihi 31 Aralık 2024
Yayımlandığı Sayı Yıl 2025Cilt: 28 Sayı: 1

Kaynak Göster

APA Öztürk, M., Kayabaşı, R., & Taşdemir, O. (2025). KIRŞEHİR’İN RÜZGAR ENERJİSİ POTANSİYELİ VE İÇ ANADOLU BÖLGESİ KURULU RÜZGAR ENERJİSİ SANTRALLERİNİN GÜÇ ANALİZİ. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 28(1), 189-201.
 Kapak Resmi İndir