41 ENERJİ & DOĞALGAZ • EYLÜL - EKİM / 2026 MAKALE lerle çalışan termik santraller, değişken yenilenebilir üretimin artmasıyla birlikte daha esnek işletilmek zorunda kalabilmektedir. Bu durum doğalgaz santrallerini elektrik sisteminde yalnızca enerji üreten tesisler olmaktan çıkararak, aynı zamanda sistem esnekliğine katkı sağlayan tesisler haline getirmektedir. Bu nedenle gelecekte kombine çevrim santrallerinin performansı yalnızca kendi iç verimleriyle değil, elektrik sistemindeki diğer üretim kaynaklarıyla birlikte değerlendirilmelidir. Özellikle güneş enerjisinin gündüz saatlerindeki yüksek üretimi ile akşam saatlerinde ortaya çıkan talep değişimleri, doğalgaz santrallerinin yük takip kabiliyetini daha önemli hale getirmektedir. Bu noktada dijital optimizasyon sistemleri, farklı üretim kaynaklarının birlikte değerlendirilmesinde önemli bir araç olabilir. 10. SONUÇ Doğalgaz kombine çevrim santrallerinde yüksek performans elde etmek, yalnızca yüksek verimli bir gaz türbini veya buhar türbini kullanmakla mümkün değildir. Santralin gerçek performansı; kompresör, yanma sistemi, gaz türbini, atık ısı kazanı, buhar türbini, yoğuşturucu ve yardımcı sistemlerin birlikte çalışma karakteristiğine bağlıdır. Bunun yanında ortam koşulları ve santral yükü de performansı sürekli olarak değiştirmektedir. Bu nedenle modern santral işletmeciliğinde nominal performans değerlerinden ziyade gerçek çalışma koşullarındaki performansın izlenmesi önem kazanmaktadır. Termodinamik ve ekserji analizleri santraldeki kayıpların belirlenmesini sağlarken, ekonomik analiz bu kayıpların hangi koşullarda yatırım ve işletme açısından anlamlı bir iyileştirme fırsatına dönüşebileceğini ortaya koymaktadır. Dijital modelleme, MATLAB tabanlı parametrik analizler ve makine öğrenmesi yöntemleri ise bu iki yaklaşımı bir araya getirebilecek güçlü araçlardır. Özellikle yenilenebilir enerji kaynaklarının elektrik sistemindeki payının artmasıyla birlikte doğalgaz kombine çevrim santrallerinin daha esnek çalışması gerekecektir. Bu yeni işletme koşullarında santral performansının yalnızca elektrik üretim miktarı üzerinden değil; verimlilik, yakıt tüketimi, ekonomik maliyet, ekipman güvenilirliği ve sistem esnekliği açısından birlikte değerlendirilmesi gerekmektedir. Geleceğin enerji santrali, yalnızca daha yüksek verimle çalışan santral olmayacaktır. Aynı zamanda kendi işletme verilerini analiz edebilen, performansındaki değişimleri önceden tespit edebilen ve değişen enerji piyasası ile üretim koşullarına göre çalışma stratejisini optimize edebilen santral olacaktır. Bu nedenle kombine çevrim teknolojisinin geleceğinde termodinamik mühendisliği, enerji ekonomisi, dijital modelleme ve yapay zekânın birlikte kullanılması önemli bir araştırma ve uygulama alanı olarak öne çıkmaktadır. n KAYNAKLAR 1. Karaağaç, M. O., Kabul, A., & Oğul, H. (2019). First- and second-law thermodynamic analyses of a combined natural gas cycle power plant: Sankey and Grossman diagrams. Turkish Journal of Physics, 43(1), 93–108. 2. Karaağaç, M. O., Kabul, A., & Yiğit, F. (2019). Kombine Doğalgaz Çevrim Santralinin Performans Analizi. Politeknik Dergisi, 22(2), 319–325. 3. Şen, G., Nil, M., Mamur, H., Doğan, H., Karamolla, M., Karaçor, M., et al. (2018). The effect of ambient temperature on electric power generation in natural gas combined cycle power plant—A case study. Energy Reports, 4, 682–690. 4. Valdés, M., & Rapún, J. L. (2005). Influence of ambient temperature on combined-cycle power-plant performance. Applied Energy, 80(3), 261–272. 5. Tüfekci, P. (2014). Prediction of full load electrical power output of a base load operated combined cycle power plant using machine learning methods. International Journal of Electrical Power & Energy Systems, 60, 126–140. 6. Santarisi, N. S., & Faouri, S. S. (2021). Prediction of combined cycle power plant electrical output power using machine learning regression algorithms. EasternEuropean Journal of Enterprise Technologies. 7. Prediction of part-load behaviour of natural gas combined cycles by applying thermodynamic and artificial neural network models. (2026). Energy Conversion and Management, 348, 120685. 8. Dikra, S. H., Gawanmeh, A., & Khelif, R. (2026). Datadriven Analysis and Optimization of Combined Cycle Power Plants using Machine Learning Models. Journal of Engineering and Technological Sciences, 58(2).
RkJQdWJsaXNoZXIy MTcyMTY=