ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini
Electric energy load forecasting using ANFIS and ARMA methods
- Tez No: 238793
- Danışmanlar: YRD. DOÇ. DR. ADNAN KAKİLLİ, YRD. DOÇ. DR. MEHMET TEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Teknik Eğitim, Electrical and Electronics Engineering, Technical Education
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Elektrik enerjisi, insanın refahı ve çağdaş bir hayat sürdürebilmesi için en önemli ihtiyaçlardan biridir. Böylesine önemli bir ihtiyacın yeterli ve kaliteli bir şekilde temin edilebilmesi için elektrik enenerjisine olan talebin önceden tahmin edilerek buna göre üretime yönelik yatırımların yapılması gerekir.Bu çalışmada tahminleme yöntemlerinden Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Network Based Fuzzy Inference Systems-ANFIS), Otoregresif Hareketli Ortalamalar (Autoregressive Moving Average-ARMA), Yapay Sinir Ağları (Artificial Neural Networks-YSA) ve Regresyon teknikleri ile elektrik enerjisi talep tahminleri yapılmış ve hangi yöntemin talep tahmininde daha başarılı olduğu ortaya konulmuştur. Materyal olarak ANFIS ve YSA için Matlab 7.04 paket programının Fuzzy Logic (Bulanık Mantık) ve Neural Network (Sinir Ağı) Toolbox'ları, ARMA ve Regresyon için SPSS15 paket programı kullanılmıştır.Bu çalışmada, 1970-2007 arası Gayri Safi Milli Hasıla (GSMH), Üretilen Enerji (ÜE), Tüketilen Enerji (TE), Nüfus (N) ve Kurulu Güç (KG) verileri kullanılarak ANFIS , ARMA, YSA ve Regresyon modelleri kurulmuş ve 2006-2010 arası elektrik enerjisi talep tahminleri elde edilmiştir. ANFIS , ARMA, YSA ve Regresyon modelleri ile bulunan sonuçların karşılaştırmalı yorumları yapılarak öneriler sunulmuştur.
Özet (Çeviri)
Electricity power is one of the needs of people to be able to live a contemporary life and for his well-being. In order for this need to be met, it is vital that electricity is produced enough and in good quality. It is necessary to predict the need of electricity beforehand, and thereby deciding on the generation of it.In this study, of the prediction methods, Regression, ANFIS, YSA and ARMA have been used to assess the results obtained and the most successful method in the prediction of electricity demand has been determined.As materials, Fuuzy Logic and Neural Networks toolboxes of Matlab 7.04 for ANFIS, YSA and SPSS 15 for ARMA and Regression Methods were used respectively.In this study, GSMH, ÜE, TE, N and KG data have been used in the prediction of the consumed electricity between the years 1970?2007. ANFIS, ARMA, YSA and Regression models have been used and thus the energy demands between 2008?2010 have been predicted. The results obtained by ANFIS, ARMA, Regression and YSA models were compared and some suggestions were presented.
Benzer Tezler
- Tip-2 bulanık öbekleme yöntemleri ile zaman serilerinin modellenmesi
Time series modelling with Type-2 fuzzy clustering methods
MEHMET FURKAN DODURKA
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ENGİN YEŞİL
- Ekstrem rüzgarların yapay sinir ağları ve çoklu lineer regresyon kullanılarak kısa süreli tahmini
Short term prediction of extreme winds using artificial neural network and multiple lineer regression
MELEK AKIN
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. AHMET ÖZTOPAL
- Anfıs ve bulanık C-ortalamalar yöntemleri tabanlı çok kriterli envanter sınıflandırma modeli
Multi-criteria inventory classification model based on anfis and fuzzy C-means methods
ELİF İSEN
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MÜMTAZ İPEK
- Anfis ve popülasyona dayalı optimizasyon algoritması kullanılarak izole bir kavşağın sinyal zamanınıntahmini
The prediction of the signal timing of an isolated intersection using a combination of anfis and population-based optimization algorithm
AMIR SHAHKAR
Doktora
Türkçe
2020
UlaşımKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF ORUÇ
- ANFIS ve regresyon analizi ile enflasyon tahmini ve karşılaştırması
Comparison and estimated of i̇nflation with regression analyse and ANFIS
İLYAS TANRIVERDİ
Yüksek Lisans
Türkçe
2018
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA URFALIOĞLU