Geri Dön

On the parametric and nonparametric prediction methods for electricity load forecasting

Elektrik yük tahminlemesi üzerine parametrik ve parametrik olmayan tahmin metotları

  1. Tez No: 338421
  2. Yazar: ESRA ERİŞEN
  3. Danışmanlar: YRD. DOÇ. DR. CEM İYİGÜN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Enerji, Industrial and Industrial Engineering, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 107

Özet

Hükümet denetimi kaldırılmış elektrik piyasalarında doğru yük tahminlemesi büyük önem taşır. Piyasa katılımcıları daha doğru elektrik yük tahminlemeleri sayesinde büyük finansal kazanımlar elde edebilir. Elektrik yük verisi, değişkenler arasında lineer olmayan ilişkiler ile birlikte kompleks zaman serileri yapısına sahiptir. Bu nedenle söz edilen lineer olmayan ilişkileri yansıtabilecek daha geniş kapasiteli yeni modellere ihtiyaç vardır. Bu tezde, kısa vadeli yük tahminlemesi için parametrik ve parametrik olmayan metotlar sunulmuştur ve model performansları 1 saat ile 1 hafta arasında değişen farklı tedarik süreleri için karşılaştırılmıştır. Karşılaştırılan metotlar, tarafımızdan modifiye edilmiş Holt Winters Üssel Yumuşatma (m-HWT) ve bir Dışsal Girdiler ile Lineer Olmayan Sinir Ağları (NARX) modelini kapsamaktadır. Hollandalı bir şebeke dağıtıcısının saatlik verisi kullanılarak, beş farklı bölgeyi içeren, kapsamlı bir deneysel çalışma yapılmıştır. Umut vadeden sonuçlar, bizi çalışmanın ikinci yarısında, NARX metodolojisini bir Hollanda bölgesi için uzun vadeli yük tahminleri türetmekte kullanmaya yöneltmiştir. Sonuçlar göstermektedir ki, NARX 1 saat sonrası tahminlemede, m-HWT metoduna açık bir şekilde üstün olmuştur. Ek olarak, sunduğumuz HWT modifikasyonu, özellikle özel günlerdeki model doğruluğunda, kayda değer bir gelişme sağlamıştır. Sadeliğine rağmen, m-HWT modeli 6 ve 12 saat sonrası tahminlemesinde genelde NARX?e üstün gelmiştir. Ancak NARX performansı 24, 48 ve 1 hafta sonrası tahminlemede daha iyidir. Ek olarak, NARX maksimum hata ve kısa özel günlerde yük tahminleme açısından üstün bir performans göstermiştir. Deneysel sonuçlar ayrıca göstermektedir ki, iyi eğitilmiş bir kapalı halka NARX sinir ağları modeli kullanılarak, elektrik yükü 1,5 yıl sonrası için saatlik olarak başarılı bir şekilde tahminlenebilir. NARX?in özel günlerin ve sıcaklığın yük üzerindeki lineer olmayan etkilerini başarılı bir şekilde yakaladığı görülmüştür. Mevcut model olan, zaman kaydırma modeline göre NARX %30 tahminleme doğruluğunu arttırmıştır.

Özet (Çeviri)

Accurate electricity load forecasting is of great importance in deregulated electricity markets. Market participants can reap significant financial benefits by improving their electricity load forecasts. Electricity load exhibits a complex time series structure with nonlinear relationships between the variables. Hence, new models with higher capabilities to capture such nonlinear relationships need to be developed and tested. In this thesis, we present a parametric and a nonparametric method for short-term and long-term load forecasting, and we compare the performance of these models for different lead times ranging from one hour to one week. These methods include a modified version of Holt Winters Double Seasonal Exponential Smoothing (m-HWT) we present and a Nonlinear Autoregressive with Exogenous Inputs (NARX) neural network model. Using hourly load data from the Dutch electricity grid, an extensive empirical study is carried out for five different provinces. In the second part of the study, NARX is applied to long-term load forecasting in one Dutch province. Our results indicate that NARX clearly outperforms m-HWT in one-hour ahead forecasting. Additionally, our modification to HWT leads to significant improvement in model accuracy especially on special days. Despite its simplicity, m-HWT outperformed NARX for 6 and 12-hours ahead forecasts in general. However NARX performs better in 24-hours, 48-hours and 1 week ahead forecasting. In addition, NARX performs superior to m-HWT in terms of maximum error and on short special days. Computational results also indicate that with a well-trained closed loop NARX neural network model, electricity load can be forecasted successfully one and a half years ahead for hourly intervals. NARX can successfully capture nonlinear effects of special days and temperature. NARX has brought a performance improvement of 30% in terms of mean absolute percent error (MAPE) compared to the existing methodology; time shifting.

Benzer Tezler

  1. Güneş radyasyon tahmini için bulanık zaman serisi yöntemleri ve fotovoltaik sulama sistemi optimizasyonunda uygulanması

    Forecasting solar radiation with fuzzy time series and optimization application in photovoltaic irrigation system

    CEYDA OLCAN

    Doktora

    Türkçe

    Türkçe

    2015

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ELMKHAN MAHMUDOV

  2. Bir boyutlu işaretlerin güç spektrum kestirim yöntemleri ve bilgisayar uygulamaları

    Power spectral density estimation techniques and their computer simulations

    BULTAN GÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ. DR. AHMET KAYRAN

  3. A comparison of identification techniques for fractional order systems

    Kesirli dereceli sistemler için sistem tanıma tekniklerinin karşılaştırılması

    RIFAT VOLKAN ŞENYUVA

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    DOÇ. YAĞMUR DENİZHAN

  4. Finansal başarısızlık göstergelerinin gri ilişkisel analiz ile belirlenmesi ve BİST 100 endeksinde veri zarflama analizi ve lojistik regresyon analizi uygulaması

    Determination of financial failure indicators by gray relational analysis and application of data envelopment analysis and logistic regression analysis in BİST 100 index

    EBRU NURCAN

    Doktora

    Türkçe

    Türkçe

    2019

    İşletmeAkdeniz Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. CAN DENİZ KÖKSAL

  5. Sismik risk analizinde bağımlılık yapısının incelenmesi: Türkiye için bir uygulama

    Investigation of the dependence structure in seismic hazard analysis: An application for Turkey

    SERPİL ÜNAL KARAÇAM

    Doktora

    Türkçe

    Türkçe

    2016

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SALİH ÇELEBİOĞLU