Geri Dön

Short term load forecastingusing GLVQ algorithm cascaded with a supervised ann.

Öğretilmiş yapay nöron ağları ile GLVQ algoritmasını kullanarak kısa dönem yük tahmini

  1. Tez No: 35705
  2. Yazar: BENGÜ BALA BALYA
  3. Danışmanlar: DOÇ. DR. İSMET ERKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Yapay Nöron Ağı, Kısa Dönem Elektriksel Yük Tahmini, GLVQ”Algoritması, Backpropagation”Algoritması, Artificial Neural Network, Short Term Load Forecasting, Backpropagation Algorithm, GLVQ Method
  7. Yıl: 1994
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 135

Özet

öz ÖĞRETİLMİŞ YAPAY NÖRON AĞLARI İLE GLVQ ALGORİTMASINI KULLANARAK KISA DÖNEM YÜK TAHMİNİ BALYA, Bengü Bala Yüksek Lisans Tezi, Elektrik ve Elektronik Mühendisliği Anabilim Dalı Tez Yöneticisi: Doç. Dr. İsmet ERKMEN Eylül, 1994, 124 sayfa. Bu çalışmada, kısa dönemli yük tahmini için ardışık bağlı yapıya sahip bir yapay sinir ağı geliştirilmiştir. Bu amaçla iki temel yapay nöron ağı modeli kullanılmıştır. Birinci yapı olan“Generalized Learning Vector Quantization”tekniği ile, sistemde saatsel yük eğrileri açısından farklılıklar gösteren gün çeşitleri saptanmıştır. İkinci modelleme olan“Backpropagation”algoritması ile, yapay nöron ağına bilinen giriş-çıkış verileri öğretilmiştir. Böylelikle yapay nöron ağı saatsel yük eğrisinde ki maksimum ve minimum noktalan tahmin edebilme yeteneği kazanmıştır. Bu tahminler ve geçmiş veriler kullanılarak, saatsel yük değerleri hesaplanmıştır. Bu işlemler çeşitli gün tipleri ve yılın farklı mevsimleri için tekrarlanarak, önerilen sistemin performansı kontrol edilmiş ve yeterli olduğu gözlenmiştir.

Özet (Çeviri)

ABSTRACT SHORT TERM LOAD FORECASTING USING GLVQ ALGORITHM CASCADED WITH A SUPERVISED ANN. BALYA, Bengü Bala M.S. in Electrical and Electronics Engineering Supervisor: Ass. Prof. İsmet ERKMEN September, 1994, 124 pages. In this study, a new hybrid neural network structure is developed for short term load forecasting. Two main artificial neural network structures are used for this purpose. The first structure is, Generalized Learning Vector Quantization (GLVQ) Technique, which is mainly used for classification purposes. This structure is used to determine the day types which differ considerably in hourly electrical load shapes. The second structure is, backpropagation algorithm. The network is first trained by the known input-output patterns of the same day type; in order to get the functional relationships between peak and valley loads and the inputs. Then the forecasting process is performed and the hourly loads are calculated. The total system is tested with several day types, for different times of the year, to be confident with the developed model.

Benzer Tezler

  1. Tez No

    56562

    Short term load forecasting using genetically optimized neural network cascoded with a modified kohonen clustering process

    Başlık çevirisi yok

    ALİ ÖZDOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1996

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMET ERKMEN

  2. Tez No

    523120

    Short term electricity load forecasting using machine learning techniques

    Makine ögrenmesi yöntemleri kullanılarak kısa dönem elektrik talep tahmini

    MUSTAFA YEŞİLYURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN

  3. Tez No

    68573

    Short term system load forecasting using fuzzy neural networks

    Bulanık sinirsel ağlar kullanarak kısa dönem sistem yükü tahmini

    ERCAN TAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMET ERKMEN

  4. Tez No

    100993

    Regresyon analizi ve yapay sinir ağı yöntemleri ile uzun dönem yük tahmini

    Long term load forecasting using multiple regression analysis and artificial neural network

    FATİH AKSEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. BELGİN EMRE TÜRKAY

  5. Tez No

    365650

    Turkey's short term hourly electricity demand forecasting using artificial neural network

    Yapay sinir ağı ile Türkiye'nin kısa vadeli saatlik elektrik talep tahmin

    MUHAMMED G YASİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. VEHBİ ÇAĞRI GÜNGÖR

Geri Dön