Yapay sinir ağları tabanlı hibrit modellerle yük tahmini
Load forecasting based on hybrid models with artificial neural network
- Tez No: 503736
- Danışmanlar: DOÇ. DR. CELAL YAŞAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Dumlupınar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Güç sistemi planlamasının öncelikli amacı, müşterilerin elektrik enerjisi ihtiyaçlarını mümkün olduğunca ekonomik, güvenilir ve kaliteli bir şekilde karşılamaktır. Planlama sürecindeki önemli adımlardan biri de yük tahminidir. Geleneksel olarak yük tahmini için hem uygulaması kolay hem de iyi performans göstermesi nedeniyle istatistiksel metotlar yaygın kullanıma sahiptir. Ancak son yıllarda yük tahmini için yapay zeka yöntemleri de fazlaca kullanılmaya başlanmıştır. Bu çalışmada yapay zeka algoritmalarından yapay sinir ağları (YSA), adaptif sinirsel bulanık mantık (ANFIS) ve dalgacık dönüşümü-yapay sinir ağları (DDYSA) kullanılarak Eskişehir ili için yıllık ve mevsimlik yük tahminleri yapılmıştır. Eskişehir iline ait sıcaklık, nüfus, ithalat, ihracat ve zaman verileri giriş verisi olarak kullanılmıştır. Yapılan çalışmayla söz konusu yöntemlerin tahmindeki doğruluk seviyeleri araştırılmıştır. YSA, ANFIS ve DDYSA'da farklı parametreler kullanılarak oluşturulan deneme modelleri test MAPE değerlerine göre karşılaştırılmıştır. Çalışmada en iyi performansı gösteren YSA 2 gizli katmanlı, gizli katmanlarında 12 nöron bulunan ve tanjant sigmoid transfer fonksiyonu kullanan, çıkış katmanında lineer transfer fonksiyonu kullanan yapıdır. En iyi ANFIS yapısı ızgara bölümleme yöntemiyle 64 kurallı, kural katmanında trimf ve çıktı katmanında lineer transfer fonksiyonunu kullanan yapıdır. En iyi DDYSA yapısı ise tek gizli katmana sahip, gizli katmanında 12 nöron bulunan ve bu katmanda tanjant sigmoid transfer fonksiyonu kullanan, çıkış katmanında ise lineer transfer fonksiyonu kullanılan yapıdır. Çalışmada Eskişehir ilinin yıllık ve mevsimlik tahminlerinde YSA'nın diğer iki yöntemden daha küçük MAPE değerlerine sahip olduğu, dolayısıyla daha iyi sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
The primary purpose of power system planning is to meet customers' electrical energy needs economically, reliably and quality. One of the important steps in the planning process is load estimation. Traditionally statistical methods have widespread use because they are both easy to implement and perform well for load estimation. However, in recent years artificial intelligence methods have begun to be used extensively for estimating loads. In this study, artificial neural networks (ANN), adaptive neural fuzzy logic (ANFIS) and wavelet transform-artificial neural networks (WNN) were used to estimate the annual and seasonal loads for Eskişehir. Temperature, population, import, export and time data of Eskişehir were used as input data. Predicted methods' accuracy level was investigated. Trial models constructed using different ANN, ANFIS, WNN parameters were compared according to test MAPE values. The best performing YSA structure has 2 hidden layers, 12 neurons in hidden layers and uses tangent sigmoid transfer function and linear transfer function in the output layer. The best ANFIS structure is 64 rule grid partition method, trimf in the rule layer and linear transfer function in the output layer. The best DDYSA structure has single hidden layer with 12 neurons, using tangent sigmoid transfer function in this layer and using linear transfer function in the output layer. It has been observed that YSA has smaller MAPE values than other two methods in the annual and seasonal estimations of Eskişehir, thus giving better results.
Benzer Tezler
- Deep hybrid recommender system
Derin hibrit öneri sistemi
DİDEM TÜRKER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması
Load forecasting analysis of power systems using long short-term memory and applicati̇on
ÜMMÜHAN GÜLSÜM KILIÇ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Ai-based predictive modeling for safety assessment in construction industry
İnşaat endüstrisinde güvenlik değerlendirmesi için yapay zeka tabanlı tahmin modeli
BİLAL UMUT AYHAN
Yüksek Lisans
İngilizce
2019
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR BEHZAT TOKDEMİR
- Application of hybrid simulation and improvement of decision tree algorithms for real-time transient stability prediction based on PMU measurements
PMU ölçümlerine dayalı gerçek zamanda geçici hal kararlılığı kestirimi için hibrit simülasyon uygulaması ve karar ağacı algoritmalarının geliştirilmesi
TOHID BEHDADNIA
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ