Geri Dön

Short term electricity load forecasting using machine learning techniques

Makine ögrenmesi yöntemleri kullanılarak kısa dönem elektrik talep tahmini

  1. Tez No: 523120
  2. Yazar: MUSTAFA YEŞİLYURT
  3. Danışmanlar: YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Enerji, Industrial and Industrial Engineering, Energy
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiKırıkkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT LÜY

    DOÇ. DR. NECAATTİN BARIŞÇI

  2. 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

    İngilizce

    2023

    EnerjiHacettepe Üniversitesi

    Temiz Tükenmez Enerjiler Ana Bilim Dalı

    PROF. DR. AYŞEN SİVRİKAYA

    DOÇ. DR. TUNCA DOĞAN

  3. 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

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiIsparta Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OKAN BİNGÖL

  4. 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

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KURBAN

    DOÇ. DR. EMRAH DOKUR

  5. Electrical load demand forecasting application using support vector machines

    Destek vektör makineleri ile elektriksel yük talep tahmini uygulaması

    DİLARA DEMREN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BELGİN TÜRKAY