Elektrik talebi tahmininde kullanılan yöntemlerin karşılaştırılması
Comparision of methods used in electricity demand forecasting
- Tez No: 350669
- Danışmanlar: ÖĞR. GÖR. BAŞAR ÖZTAYŞİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Enerji, Industrial and Industrial Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 103
Özet
Tezin amacı bir çimento fabrikasının gelecekteki elektrik tüketim miktarını en doğrulayan modeli bulmak ve bu yöntemi uygulayarak gelecek yıllarda oluşacak elektrik tüketimini bulmaktır. Bunun için, Hareketli Ortalama, Üstel Düzeltme, Holt Modeli, Regresyon, ARIMA, Bulanık Mantık, Yapay Sinir Ağları, Gri Sistem ve bunların bazı türevleri ele alınmıştır. 12 yıllık elektrik tüketim verisi ile uygulama yapılmıştır. 2000-2011 arasındaki veriler ile 2012 yılı verileri tahmin edilmiştir. Bu periyot kısa, orta ve uzun dönemlere ayrılmıştır. Öncelikle 2011 yılından 2012 yılını tahmin edilmiştir ve bu kısa dönemli tahmindir. Ardından 2009-2011 yıllarından oluşan veriler ile 2012 yılı tahmin edilmiştir ve bu dönem orta dönem olarak tanımlanmıştır. Son olarak 2000-201 yılları arasındaki periyot da uzun dönem olarak tanımlanmıştır ve 2012 verileri tahmin edilmiştir. 2012 yılı gerçek verileri ile bu tahminler Ortalama Kare Hatası, yüzdelik Hata, İzleme Sinyali gibi tahmin hata formülleri ile karşılaştırılmıştır. En küçük hatayı veren model o dönem için en iyi modeli temsil etmektedir.
Özet (Çeviri)
The aim of the thesis is finding the appropriate electricity consumption model for a cement factory and with the model getting the future electricity consumption. In order to reach the aim, some methods are used in this study that are: Moving Average, Exponential Smoothing, Holt's Model, Regression model and its types, ARIMA Models, Fuzzy Time Series and its different algorithms, Artificial Neural Network and Grey Theory and its types. The electricity consumption data consist of 12 years of the cement factory and with it an application is realized. Firstly, 2012 electricity consumption values are forecasted by 2011 and it is known as short term. Secondly, 2012 electricity consumption values are forecasted by 2009-2011 and it is known as medium term. Finally, 2012 electricity consumption values are forecasted by 2000-2011 and it is known as long term. The forecasted and actual values are compared with Mean Squared Error, Percentage Error, Tracking Signal, etc.. The model which gives small error from these formulas is better than the others.
Benzer Tezler
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Machine learning-based energy consumption forecastingfor stores in a shopping center - A case study
Alışveriş merkezindeki dükkânların enerji tüketimininmakine öğrenmesiyle tahmini - Vaka çalışması
NADIA AHBAB
Yüksek Lisans
İngilizce
2023
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
ÖĞR. GÖR. MUSTAFA BERKER YURTSEVEN
- Elektrik talebinin farklı yöntemler ile tahminlenmesi
Forecasting of electricity demand with different methods
AYŞENUR GÜNDÜZ
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLTEKİN ÖZDEMİR
- Gelecek dönemlere ait Türkiye elektrik tüketimi tahmininde yapay sinir ağları modelinin kullanılması
Using artificial neural network models in Turkey electricity consumption forecast for coming period
YASİN ŞAHİN
- 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