Geri Dön

Elektrik tüketim tahmini için bir karar destek sistemi

A decision support system for electricity consumption forecasting

  1. Tez No: 476750
  2. Yazar: MERVE ALTINÖZEN KARABULUT
  3. Danışmanlar: PROF. DR. HADİ GÖKÇEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Enerji, bir ülkede ekonomik büyümenin en önemli unsurlarından biridir. Bir ülkenin üretim hızı arttıkça, enerji talebi de artacaktır. Bu amaçla, enerji talebinin tahmini her geçen gün önem kazanmaktadır. Gelişmiş ve gelişmekte olan ülkeler için en önemli enerji türü modern yaşamın ihtiyaçlarına katkıda bulunmak ve bir toplumda refah seviyesini yükseltmek için önemli rol oynayan bir elektriktir. Bilindiği gibi elektrik, kaynaktan varış yerine ekonomik olarak dağıtılabilen temiz bir enerjidir. Elektrik kolayca dağıtılır ancak ne yazık ki depolanamaz. Elektrik arz ve talep dengesine dikkat çekmek ve önümüzdeki dönemde ne kadar elektriğin kullanılacağını tahmin etmek çok önemlidir. Bu çalışmanın temel amacı, Türkiye'nin elektrik tüketimi değerlerini tahmin etmek ve analiz etmek için ileri beslemeli sinir ağı tabanlı karar destek sistemi oluşturmaktır. Türkiye'nin nüfus değeri, cari fiyat artışı oranı, sabit fiyatlarla büyüme oranı, kişi başına gayri safi milli hasıla ile cari fiyatlarla ve 1924'ten 2014'e kadar sabit fiyatlarla kişi başı yerel ürün olmak üzere beş sinir ağı girişi bulunmaktadır. Tahmin değerleri Önerilen karar destek sisteminde de gösterilen ve kullanıcılar girdi değerlerini değiştirerek analiz yaparsa ne yapabilirler.

Özet (Çeviri)

Energy is one of the key elements for economic growth in a country. As production rate of a country increases, energy demand will also increase. To this end, forecasting of energy demand becomes crucial day by day. It is a fact that for developed and developing countries, the most important type of energy is electricity that plays crucial role to contribute requirements of modern life and to raise the level of prosperity in a society. As known, electricity is a clean energy that can be distributed economically from source to destination. Electricity can be distributed easily but unfortunately it cannot be stored. Giving attention to supply and demand balance of electricity and forecasting how much electricity will be used in the next period is very important. The main purpose of this study is to design a feed-forward neural network-based decision support system to forecast and analyze electricity consumption values of Turkey. There are five inputs of neural network, which are Turkey's population value, current prices growth rate, fixed prices growth rate, gross domestic product per person with current prices and domestic product per person with fixed prices from year 1924 to 2014. The forecasting values are shown also in the proposed decision support system and users can do what if analysis with changing the values of inputs.

Benzer Tezler

  1. Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi

    Load forecasting and decision support system for electric vehicles use

    HATİCE MENEKŞE KÖSEMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. ORHAN TORKUL

  2. Endüstriyel mikro şebekelerde dinamik enerji yönetim modeli önerisi ve örnek uygulama

    A dynamic energy management model proposal for energy management in industrial microgrids and a case study

    ZEYNEP BEKTAŞ

    Doktora

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLGÜN KAYAKUTLU

  3. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. Derin pekiştirmeli öğrenme tabanlı enerji maliyeti optimizasyonu

    Energy cost optimization based on deep reinforcement learning

    MUSTAFA MUTLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜRKAN IŞIK

  5. Dağıtık üretim sistemlerinin akıllı şebekeler üzerine etkilerinin incelenmesi

    Examination of the effects of distributed generation on smart grids

    MİKAİL PÜRLÜ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. BELGİN TÜRKAY