Geri Dön

En küçük kareler destek vektör makineleri ile Türkiye'nin uzun dönem elektrik tüketim tahmini ve modellemesi

Modeling and forecasting of Turkey's long term electricity consumption with least square support vector machines

PDF İndir

  1. Tez No: 321563
  2. Yazar: FAZIL KAYTEZ
  3. Danışmanlar: PROF. DR. M. CENGİZ TAPLAMACIOĞLU
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Elektrik Tüketimi, En Küçük Kare-Destek Vektör Makinaları, EKK-DVM, YSA, Yapay sinir ağları, Electricity consumption, Least-Square Support Vector Machine, LS-SVM, ANN, Electric consumption, Artificial neural networks
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Elektriksel enerji kaynaklarını yönetmek karmaşık bir görevdir. Enerji kaynak planlamasının en önemli parçası bölgesel ve ulusal hizmet alanlarında gelecekteki elektrik tüketiminin tahminidir. Doğru tüketim modelleri devletlere satın alma, elektrik güç üretimi ve altyapı geliştirme kararlarını içeren önemli kararlar almaya yardımcı olur. Bu çalışma çoklu lineer regresyon analizi(ÇLR), yapay sinir ağları(YSA) ve en küçük kareler destek vektör makineleri(EKK-DVM) metotları kullanılarak 2018 yılına kadar Türkiye'nin net elektrik tüketiminin tahmini ile ilgilidir. Kurulu güç, brüt elektrik üretimi, nüfus ve toplam abone sayısı bağımsız değişkenler olarak seçilmiştir. EKK-DVM ile bulunan sonuçlar, ÇLR ve YSA teknikleri sonuçları ile karşılaştırılmıştır. Bulunan sonuçlar EKK-DVM'nın elektrik enerjisi tüketiminde iyi bir tahmin aracı olduğunu göstermiştir.

Özet (Çeviri)

Managing electrical energy supply is a complex task. The most important part of energy resource planning is forecasting of the future electricity consumption in the regional or national service area. Accurate consumption models help government to make important decisions including decisions on purchasing, generating electric power and infrastructure development. This study deals with estimation of the net electricity consumption of Turkey until the year 2018 based on multiple lineer regression analysis(MLR), artificial neural network(ANN) and least square-support vector machines(LS-SVM) methods. Installed capacity, gross electricity generation, population and total subscribership are selected as independent variables. The results obtained by LS-SVM are compared to those obtained by MLR and ANN technique. It is shown that, LS-SVM is a good forecasting tool for forecasting of electric energy consumption.

Benzer Tezler

  1. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Tez No

    511565

    Doku ve renk öznitelikleriyle tarla görüntülerinden bitki ve fenolojik evrelerinin çıkarımı

    Plant and phenology recognition from field images using texture and color features

    FATİH GÜLAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT

  3. Tez No

    455872

    Elektrik talebi ve elektrik piyasası fiyatlarının kısa dönemde tahmin edilmesi

    Short-term forecasting of electric load and prices

    ONUR YAZGAN

    Doktora

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. Tez No

    556917

    NARMA-L2 controller design for nonlinear systems using online lssvr

    Doğrusal olmayan sistemler için çevrimiçi en küçük kareler destek vektör regresyonu ile NARMA-L2 kontrolör tasarımı

    GÖKÇEN DEVLET ŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY ÖKE GÜNEL

  5. Tez No

    237699

    En küçük kareler destek vektör makineleriyle serbest yüzeyli akımların havalandırma veriminin modellenmesi

    Modelling aeration efficiency of free surface flows by using least square support vector machines

    MURAT BATAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Teknik EğitimFırat Üniversitesi

    İnşaat Mühendisliği Bölümü

    DOÇ. DR. AHMET BAYLAR

Geri Dön