Short term electricity load forecasting using machine learning techniques
Makine ögrenmesi yöntemleri kullanılarak kısa dönem elektrik talep tahmini
- Tez No: 523120
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Enerji, Industrial and Industrial Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 82
Özet
Elektrik insan hayatının en önemli parçalarından biri haline gelmiştir. Elektrik sistemlerinin sürdürülmesi ve yönetilmesi ise kompleks bir iştir. Kısa dönemli elektrik talep tahmini elektrik sistemlerinin yönetilmesinde önemli bir rol oynar. Bugüne kadar birçok metod elektrik talep tahmininde kullanılmıştır. Bu çalışmada, rastsal orman, destek vektör makineleri ve meyil yükseltme metodu gibi bazı makine öğrenmesi metodlarının kısa dönemli elektrik talep tahminindeki performansları analiz edilmiştir. Bu metodların performansları, üç yalın metodun, çeşitli zaman serisi metodlarının ve doğrusal regresyonun performansları ile karşılaştırılmıştır. Bütün metodlar, bir bölgenin saatlik elektrik taleplerini ve o bölgedeki şehirlerin saatlik sıcaklıklarını içeren bir veriseti üzerinde test edilmiştir. Makine öğrenmesi metodları ve doğrusal regresyon için takvim, sıcaklık ve geçmiş talep bilgilerine dayanan bir değişken seti oluşturulmuştur. Metodları karşılaştırmak için minimum mutlak yüzde hata performans ölçütü olarak kullanılmıştır. Deney sonuçlarına göre, makine öğrenmesi metodlarının geleneksel metodlara göre daha iyi sonuçlar gösterdiği görülmüştür.
Özet (Çeviri)
Electricity is one of the most essential component of human life. Maintaining and operating electric power systems is a complex task. Short term electricity load forecasting plays an important role in operation of electric systems. Plenty of methodologies have been applied to perform short term load forecast. In this study, performances of several machine learning methodologies such as random forest, support vector machines and gradient boosting method are analyzed in short term load forecasting. Performances of these methods are compared with performances of three naive methods, several time series methods and linear regression. All methods are tested on a dataset which includes hourly electricity load information of a region of a country and hourly temperature values of cities in that region. For machine learning methods and linear regression, a feature set is constructed based on calendar, temperature and past load information. Minimum absolute percentage error(MAPE) is used as performance metric to compare methodologies. According to results of experiments, machine learning methods showed better performance than conventional methods in short term load forecasting.
Benzer Tezler
- Türkiye'nin kısa dönemli saatlik bazda elektrik tüketiminin yapay zeka teknikleri kullanılarak tahmin edilmesi
Short-term electricity load forecasting of Turkey using artificial intelligence technics
VOLKAN ATEŞ
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT LÜY
DOÇ. DR. NECAATTİN BARIŞÇI
- Investigation of the impact of the solar power generation forecast by using big data analytics on the local electricity market
Büyük veri analitiği ile yapılan güneş enerjisi üretim tahmininin yerel elektrik piyasası üzerindeki etkisinin incelenmesi
OZAN OĞULCAN DEMİRTAŞ
Yüksek Lisans
İngilizce
2023
EnerjiHacettepe ÜniversitesiTemiz Tükenmez Enerjiler Ana Bilim Dalı
PROF. DR. AYŞEN SİVRİKAYA
DOÇ. DR. TUNCA DOĞAN
- Veri ön işleme teknikleri ile kısa dönem elektrik tüketim tahmininde makine öğrenmesi modelleri: İzmir ili örneği
Machine learning models in short term electricity consumption forecasting with data preprocessing techniques: The case of İzmir
FATİH BERBER
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN BİNGÖL
- 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
- Electrical load demand forecasting application using support vector machines
Destek vektör makineleri ile elektriksel yük talep tahmini uygulaması
DİLARA DEMREN
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BELGİN TÜRKAY