Geri Dön

Implementing support vector regression method in electricity price forecasting

Elektrik takas fiyat tahmini için destek vektör regresyon yöntemi uygulaması

PDF İndir

  1. Tez No: 357142
  2. Yazar: ALIASGHAR KAVIAN
  3. Danışmanlar: DOÇ. DR. MELİH KIRLIDOĞ, PROF. DR. SENİYE ÜMİT OKTAY FIRAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Düzensiz elektrik piyasalarında, risk yönetim stratejilerini geliştirmek ve pazar katılımcılar için karar verme süreci, elektrik fiyat tahmininde kritik bir konudur. Bu tezde, elektrik fiyatları eğitmek ve tahmin etmek için Destek Vektor Regresyon (SVR) yöntemi kullanılmıştır çünkü birçok gerçek dünya sorunlarını olağanüstü performansıyla çözmüştür. Ancak, en iyi istenen sonuçları elde etmek için SVR hiper parametreleri uygun şekilde belirlenmelidir. Diğer taraftan, fiyat tahmininde kullanılan birçok özellik vardır ve yüksek olasılıkla bazıları alakasız ya da gereksizdir. Bu nedenle, bu özellikler ilgili alt kümesini seçmek için gerekli görünmektedir. Bu çalışmanın amacı, gün öncesi Türkiye elektrik piyasasında elektrik fiyatını basit olası bir model ve aynı zamanda yüksek hassasiyetle tahmin etmektir. Alt kümesi seçimi özelliği gibi SVR'ın uygun parametre seçiminde de önemli SVR öngörü doğruluğunu artırabilir. Doğa esinli algoritmaların (NIH) parametre belirlenmesi ve alt kümesi seçimi özelliği gücü nedeniyle, bu çalışmada SVR hiper parametreleri belirlenmesi ve aynı anda alt kümesi seçimi özelliğinde NIH teknikleri kullanılmıştır. Yapay arı koloni algoritması (ABC), SVR ile Türkiye Gün Öncesi elektrik piyasa fiyatı tahmini dolayısıyla eşzamanlı parametre belirlenmesi ve alt kümesi seçimi özelliğiyle kullanılmıştır. Performans ve modelimizin etkinliğini anlama amacıyla, Parçacık Sürü Optimizasyonu algoritması (PSO) karşılaştırmak için kullanılmıştır. Sonuçlar ABC'nin PSO'dan daha iyi performans ve sonuçlar verdiğini göstermektedir.

Özet (Çeviri)

In deregulated electricity markets, electricity price prediction is a critical issue to develop risk management strategies and decision making process for market contributors. In this thesis, Support Vector Regression (SVR) used to train and predict electricity prices because of its outstanding performance in solve many real world problems. But in order to achieve best desirable results, SVR hyper-parameters should be determined appropriately. On the other hand, there are many features used in price forecasting and with high possibility some of them are irrelevant or redundant. Because of this reason it seems necessary to select relevant subset of features. The aim of this study is to predict day-ahead electricity price in Turkey electricity market with high accuracy and also with simple possible model. Feature subset selection as well as convenient parameter selection of the SVR can improve the SVR prediction accuracy considerably. Due to ability of the nature inspired heuristic (NIH) in both parameter determination and feature subset selection, this study attempt to use NIH techniques to SVR hyper-parameters determination and feature subset selection simultaneously. Artificial bee colony algorithm (ABC), used to simultaneous parameter determination and feature subset selection due to Turkey Day-Ahead electricity market price prediction with SVR. In order to figure out performance and efficiency of model, Particle Swarm Optimization algorithm (PSO) used for comparison. Results show that the ABC outperforms the PSO and gives better results.

Benzer Tezler

  1. Tez No

    691771

    Data reduction methods in just-in-time-learning

    Anında öğrenim ve veri azaltma yöntemleri

    ONUR CAN BOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Kimya MühendisliğiBoğaziçi Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURAK ALAKENT

  2. Tez No

    722262

    Incorporation of foreign exchange risk to Fama-French factor model: A study on Borsa İstanbul

    Döviz kuru riskini içeren Fama-French faktör modeli: Borsa İstanbul üzerine bir çalışma

    FURKAN HÖÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    EkonometriOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı

    DOÇ. DR. ESMA GAYGISIZ LAJUNEN

  3. Tez No

    325622

    Proje yönetimi kapsamında risk tabanlı ve yapay zeka destekli bir maliyet tahmin modeli

    A risk based and artificial intelligence supported estimation model in project management

    ERSİN NAMLI

    Doktora

    Türkçe

    Türkçe

    2012

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAKİR ESNAF

  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

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY ÖKE GÜNEL

  5. Tez No

    444240

    Destek vektör makineleri yardımıyla tüketici kredilerinin sınıflandırılması

    Classifying consumer loans by means of support vector machines

    KAYAHAN KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

Geri Dön