Comparision of artificial neural networks and traditional methods for electricity consumption
Elektrik tüketimi tahmini için yapay sinir ağları ve geleneksel metodların karşılaştırılması
- Tez No: 256657
- Danışmanlar: YRD. DOÇ. DR. BAHAR SENNAROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 150
Özet
Elektrik hayat kalitemizin temel öğelerinden biridir. Yaşamımızı devam ettirebilmemiz için ve kesintisiz enerji tedariğine ihtiyaç duyarız. Elektrik modern ekonomilerde tüm sektörler için anahtar maddedir.Artan elektrik enerjisi talebi problemlerinin çözümlerinde çeşitli metotların kullanılmasına ihtiyaç duyulur. Enerji kaynakları üretimi ve tüketimi tahminleri Türkiye'ye uygun politikalar izlemede yardımcı olur.Bu çalışmada, uzun dönemli elektrik tüketimi tahminleri yapılırken yapay sinir ağları ve bazı zaman serileri modellerinin teorik ve uygulamalı olarak incelenmesi amaçlanmıştır. Çalışma dahilinde yapay sinir ağları metodolojisi ve zaman serileri analizinin nasıl yapılacağı teorik olarak açıklanmış, ardından uygulamaya yer verilmiştir. Elde edilen sonuçlar, klasik modellerden elde edilen sonuçlar ile karşılaştırılmış ve her modelin öngörü performansı değerlendirilmiştir. Sonuç olarak yapay sinir ağları tahmin modellerinin, geleneksel modellere güçlü alternatif olabileceği görülmüştür.
Özet (Çeviri)
Electricity is fundamental to the quality of our lives. We are totally dependent on abundant and uninterrupted supply of electricity for living and working. It is a key ingredient in all sectors of modern economies.Turkey needs to solve increased energy demand problem with varied methods. Thus, Turkey pursues policies according to energy resources consumption and production forecasts.In this study, it is aimed to examine both theoretical and applied analysis with artificial neural network and time series analysis models for long term electricity consumption forecasting. Within study, time series analysis and artificial neural Networks are explained, and an application is included. Also, used results of classical models and predictions of each model used, are compared. The comparison shows artificial neural networks forecasting methods could be a strong alternative to the traditional methods.
Benzer Tezler
- Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti
Anomaly detection in smart grids based on software-defined networks and the internet of things
HİLAL YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA
- Veri ön işleme teknikleri ile kısa dönem elektrik tüketim tahmininde makine öğrenmesi modelleri: İzmir ili örneği
Machine learning models in short term electricity consumption forecasting with data preprocessing techniques: The case of İzmir
FATİH BERBER
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN BİNGÖL
- Intelligent control system design and deployment for fuel cell air supply systems
Yakıt pili hava besleme sistemleri için akıllı kontrol sistemi tasarımı ve uygulamaya alınması
FATİH KENDİR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
- Uydu görüntülerinden kıyı çizgisi tespitinde makine öğrenmesi algoritmalarının performanslarının deneysel olarak karşılaştırılması
An empirical performance comparision of machine learning algorithms for detecting coastline from satellite images
OSMAN İSA ÇELİK
Yüksek Lisans
Türkçe
2020
Deniz Bilimleriİstanbul ÜniversitesiDenizel Çevre Ana Bilim Dalı
PROF. DR. CEM GAZİOĞLU
- Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması
Comparision and mobile application of deep learning models trained on blood cell dataset
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ