Probabilistic estimation framework on short term electricity load forecasting via parametric and nonparametric approaches
Parametrik ve parametrik olmayan yaklaşımlar aracılığıyla kısa dönem elektrik yük tahminlerinde olasılıksal tahmin sistemi
- Tez No: 368896
- Danışmanlar: YRD. DOÇ. DR. CEM İYİGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 136
Özet
Elektrik piyasası katılımcılar için doğru yük tahminlemesi önemli bir rol oynamaktadır. Elektrik piyasaların serbestleşmesiyle, elektrik yük tahminleri, özellikle kısa dönem yük tahminleri, büyük önem kazanmıştır. Ülkeye, bölgeye ve müşteri çeşidine göre, değişkenler arasında doğrusal olmayan ilişkilerinin de etkisiyle, elektrik yük verisi farklı karakteristikler gösterebilir. Yalnız bir modelin kapasitesi tüm bu ilişkileri yansıtmada yeterli olmayabilir. Bu çalışmada, parametrik, parametrik olmayan ve melez yaklaşımlar geliştirilmiş ve kısa dönem elektrik yük tahminlemesi için daha önceden çalışılmamış Türkiye elektrik piyasasından saatlik bir veri setine uygulanmıştır. Uygulanan yaklaşımlar, İki Sezonsallı Özbağlanımlı Bütünleşik Hareketli Ortalama (DSARIMA), Dışsal Girdiler ile Lineer Olmayan Sinir Ağları (NARX), ε-Destek Vektör Regresyonu (ε-SVR) ve DSARIMA-NARX ve DSARIMA- ε-SVR melez yöntemlerini içermektedir. Ek olarak, diğer modellerden elde edilen sonuçları birleştirmek ve daha önemlisi olasılıksal tahminler oluşturmak için Yerel Yüzdelik Dilim Regresyonu (LQR) metodunu da kullandık. Yük verisinde yer alan birden fazla sezonsallık sebebiyle, datayı gruplara ayırıp incelemek de tahmin doğrululuğunu arttırmak için bir diğer seçenektir. Biz de 4 farklı grup şeması oluşturarak, bu grupların performanslarını tüm datayla çalıştığımız sonuçlarla karşılaştırdık.
Özet (Çeviri)
Accurate electricity load forecasting plays a crucial role for all the electricity market parties. With the deregulation of the markets, electricity load forecasting, especially for short-term, gained a great importance. Electricity load data may show different characteristics according to country, region or customer type as it has a nonlinear relationships with many of variables. Capabilities of only one model may not be enough to capture all these relationships. In this study, parametric, nonparametric and hybrid approaches are developed and employed for short-term electricity load forecasting on hourly load series from Turkish electricity market which is not studied before. These approaches include Double Seasonal Autoregressive Integrated Moving Average (DSARIMA), Nonlinear Autoregressive with Exogenous Inputs Neural Networks (NARX) and ε-Support Vector Regression (ε-SVR) and hybrid models DSARIMA-NARX and DSARIMA-ε-SVR. Additionally, we apply Local Quantile Regression (LQR) method both to combine the results obtained from the other approaches and more importantly construct probabilistic forecasts instead of providing point forecasts. Considering the multiple seasonal cycles existing in load series, examining the load data with grouping is another option to improve forecast accuracy. We also construct 4 different grouping scheme and compared their performances with the whole data results.
Benzer Tezler
- Elektronik kartların saha verilerine dayalı güvenilirlik analizi
Reliability analysis of electronic boards based on field data
SALİH VEHBİ CÖMERT
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA ALTUN
- Demiryolu ağında trafik sayımlarından O-D matrisi tahmini
Başlık çevirisi yok
ZEYNEP AĞCI
Yüksek Lisans
Türkçe
1998
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiUlaştırma Ana Bilim Dalı
PROF. DR. HALUK GERÇEK
- Anomaly detection for video-based surveillance using covariance features and modeling of sequences via LSTMS
Video bazlı gözetim sistemlerinde kovaryans öznitelikleri kullanımı ve dizilerin LSTM modellenmesi ile anomali sezimi
ALİ ENVER BİLECEN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN
- A generalized localization framework for terrestrial and aerial systems
Kara ve hava sistemleri için genel bir konumlandırma çerçevesi
SALİHA BÜYÜKÇORAK EDİBALİ
Doktora
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ KARABULUT KURT
- Motion based video object tracking with sparse regularization by particle filtering
Seyrek düzenlileştirme ve parçacık süzgeçleme ile}{videoda hareket tabanlı nesne takibi
BARIŞ AKOK
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU