Geri Dön

Ann based electricity consumption forecasting in Yasar University

Yapay sinir ağları kullanılarak Yaşar Üniversitesi yük tahmini

PDF İndir

  1. Tez No: 539156
  2. Yazar: TUTKU ÇİMENDERE BUTEKİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HACER ÖZTURA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Yaşar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Günlük operasyonların planları için kesin elektrik tüketim tahmin işlemleri doğrusal olmayan ve kompleks problemlerdir. Tahmin etme uzun, orta ve kısa zamanlı olarak sınıflandırılabilinir. Uzun zamanlı tahminler yeni elektrik santrallerinin planlanması için, orta vadeli tahminler bakım planlaması için ve kısa vadeli tahminler de günlük operasyon planlaması için kullanılır. Doğru tüketim tahminleri günlük operasyonlar ve güç sistemlerinin kontrolü için önemldir. Elverişli bir kısa dönem yük tahmini kaynak planlama için ve ayrıca control ölçülerinin alınması ile ihtiyaç olan elektriğin dengeli sağlanmasına olanak sağlar. Yüksek enerji fiyatlandırmalarına bağlı olarak yeni enerji kaynaklarının avantajları ve tüketicilerin yük kavislerini anlamak konusunda önemlidir. Bu bilgiler tüketicinin elektrik piyasası içerisinde pazarlık ve diğer ekonomik göstergeler konusunda esnekliğini ve yeteneğini geliştirmek konusund yardımcı olur. Kısa dönem yük tahmini yapmak üzerine geliştirilmiş birçok istatiksel tahmin yöntemi bulunmaktadır. Regresyon Analizi, Zaman Serileri, Uzman Sistemler, Bulanık Mantık ve Yapay Sinir Ağları bu yöntemlere örnektir. Bu tez içerisinde Kısa Dönem Yük Tahmini için Yapay Sinir Ağları yöntemi kullanılmıştır. Bu çalışmada, Yaşar Üniversitesi kampüs binalarından Y-blok mekanik elektrik tüketimi tahmini, merkezi ısıtma ve soğutma sistemlerine sahiptir, Yapay Sinir Ağları kullanılarak yapılmıştır. Bu bina Eylül 2014 yılından beri kullanılmaktadır ve son 3 seneye ait saatlik elektrik tüketim verileri kaydedilmektedir. Aydınlatma elektrik tüketimleri, elektrik girişleri ve Upsler, mekanik tüketimler ve dış çevre aydınlatmaları gözetleme yapılarak kaydedilen verilerdir. Bina içerisinde sınıflar, ofisler ve laboratuvarlar yer almaktadır. Binanın elektrik tüketiminin doğrusal olmayışı bina içerisindeki aktivitelere bağlıdır. Bu sorun günlük çalışma programları ve gün tipi ayırımı ile üstesinden gelinebilmektedir. Buna ek olarak, tipik saatlik tüketim eğisi ayarlamak için çeşitli istatistiksel ve Yapay Ağ metotları geliştirilmiştir.

Özet (Çeviri)

Although accurate electricity demand forecasts are critical for daily operations planning, electricity demand forecasting is a nonlinear and complex problem. Forecasting can be classified as long, medium, and short-term, including the long-term forecast for new power plant planning, the medium-term forecast for maintenance scheduling and inventory, and short-term forecast for daily operations. Accurate load forecasting is an important issue in the daily operation and control of a power system. A suitable short term load forecasting will enable a utility provider to plan the resources and also take control measures to balance the supply and demand of electricity. Due to the current high energy prices, it is essential to find ways to take advantage of new energy resources and enable consumers to better understand their load curve. This understanding will help to improve customer flexibility and their ability to respond to price or other signals from the electricity market. There are many statistical forecasting techniques applied to short term load forecasting, such as Stochastic Time series, Regression Analysis, Expert Systems, and Artificial Intelligence. This paper presents the Artificial Neural Networks (ANNs) for the Short-Term Load Forecasting (STLF). In this study, the electric energy consumption of a University building in the Campus of Yasar University, which has 24000 m2-usage area and central heating and cooling systems, will be predicted by using ANN's. This building has been using since September 2014 and there are hourly recorded data of this building electricity consumption for the last three years. We have four different energy monitoring equipment to be recorded consumption at the lighting, electrical sockets & UPS, mechanical (HVAC) part, and environmental lighting. There are with classes, offices, and laboratories at the building. Since the non-linearity of the load is associated with the activity in the building, we have demonstrated that the best way to deal with it is using the workday schedule as day-type classifier. Moreover, we have evaluated a number of statistical methods and Artificial Intelligence methods to adjust the typical hourly consumption curve.

Benzer Tezler

  1. Tez No

    259711

    Uzun dönem yük tahmini: Manisa örneği

    The long term load forecasting: Manisa city

    AHMET SOM

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiDumlupınar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CELAL YAŞAR

  2. Tez No

    672333

    Predicting power consumption using artificial neural networks algorithms

    Başlık çevirisi yok

    JUHAINA THAKIR MAHMOOD

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. Dr. OSMAN NURİ UÇAN

  3. Tez No

    742391

    Load demand forecasting using artificial neural networksand fuzzy logic methods

    Yapay sinir ağları ve bulanık mantık yöntemleri kullanarak yük talep tahmini

    BARQ RAAD KHASHEA AL-ANI

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiAtılım Üniversitesi

    Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı

    PROF. DR. TURAN ERMAN ERKAN

  4. Tez No

    392940

    Türkiye elektrik piyasası kısa dönemli referans fiyat tahmini

    Turkish electricity market short term market clearing price forecasting

    SERCAN YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Ekonometriİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. SERMİN ONAYGİL

  5. Tez No

    555914

    Electricity consumption forecasting with artifical neural network for fast-moving consumer goods sector

    Hızlı tüketim sektörü için yapay sinir ağları ile elektrik tüketim talep tahmini

    GÜLFEM YEŞİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜR BERSAM BOLAT

Geri Dön