Geri Dön

A Short-term load prediction algorithm for dynamic economic dispatch

Başlık çevirisi mevcut değil.

  1. Tez No: 15557
  2. Yazar: TAMER ADANIR
  3. Danışmanlar: DOÇ.DR. İSMET ERKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Kendi kendine geri dönümlü işlem, Kalman filtresi, hedeflenen yükler
  7. Yıl: 1991
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 127

Özet

ÖZET DÎNAMÎK EKONOMİK DAĞITIM İÇİN KISA-DÖNEMDE YÜK TAHMÎNÎ ALGORİTMASI Tamer Adanır Yüksek Lisans Tezi, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Assoc. Prof. Dr. ismet Erkmen Eylül 1991, 141 sayfa Bu çalışmada, dinamik ekonomik dağıtım için kısa- dönemde yük tahmini algoritması önerilmektedir. Bu algoritma, Kalman filtresi ile beraber kendi kendine geri dönüm! ü zaman serisi işlemi üzerine kurulmuştur. Bunun amacı, bir saate kadar beşer dakikalık aralarda yük değerini, dinamik ekonomik dağıtım hedefinde kullanılacak kadar yeterli doğrulukta tahmin etmektir. Gerçekleştirilen bu algoritmada, hedeflenen yük değerleri, her beş dakikada bir düzeltilip saklanan 10 dakikalık yük eğimlerini kullanmak suretiyle yarım saatlerde, bir saat boyunca tekrar ayarlanmaktadır. Zamana bağlı tahmin edicinin formülasyonu, Kalman filtresinin özellikleri ile gösterilmektedir. Yük tahminiböylece, zaman içerisinde üçüncü dereceden Kalman filtresi ile yapılmaktadır.

Özet (Çeviri)

ABSTRACT A SHORT-TERM LOAD PREDICTION ALGORITHM FOR DYNAMIC ECONOMIC DISPATCH Tamer ADANIR M.S. 1n Electrical and Electronics Engineering Supervisor: Assoc. Prof. Dr. ismet ERKMEN September 1991, 141 pages In this study, a Short-Term Load Prediction (STLP) algorithm for dynamic economic dispatch is presented. This algorithm is based on using a finite auto regressive (AR) time series process in conjunction with Kalman filter. Its objective is to predict load value with five minute intervals up to one hour Into the future, with sufficient accuracy to be used for targeting dynamic economic dispatch. In the implemented predictor the magnitudes of the load targets are readjusted every hour at the half hours making use of the 10 minute load slopes which are stored and updated every five minutes. The formulation of the time varying predictor is represented in a Kalman filter specification. The load forecast 1s then extrapolated by a third order Kalman equations through time. HiKey Words : Autoregresive process (AR), Kalman filter, Load targets. Science code: 608.02.01 iv

Benzer Tezler

  1. Tez No

    68477

    Long term dynamic simulator for electrical power systems

    Elektrik güç sistemleri için uzun süreçli dinamik simülatör

    YAŞAR KÜÇÜKEFE

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSMET ERKMEN

  2. Tez No

    728716

    Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  3. Tez No

    389269

    Model predictive control of a turbocharged diesel engine with exhaust gas recirculation

    Aşırı doldurmalı ve egzoz gaz çevrimli dizel motorda model öngürülü kontrol

    MUHARREM UĞUR YAVAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN GÖKAŞAN

  4. Tez No

    496317

    An adaptive modal pushover analysis procedure to evaluate the earthquake performance of high-rise buildings

    Yüksek binaların deprem performansının değerlendirilmesi için bir uyarlamalı itme analizi yöntemi

    MELİH SÜRMELİ

    Doktora

    İngilizce

    İngilizce

    2016

    Deprem Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCAN YÜKSEL

  5. Tez No

    842476

    Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products

    Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi

    NAHİT ÇATMADIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. MEHMET SİNAN ÖZEREN

Geri Dön