Geri Dön

Short term load forecasting using genetically optimized neural network cascoded with a modified kohonen clustering process

Başlık çevirisi mevcut değil.

  1. Tez No: 56562
  2. Yazar: ALİ ÖZDOĞAN
  3. Danışmanlar: DOÇ. DR. İSMET ERKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Kısa dönem yük tahmini, yapay sinir ağı, değişime uğratılmış Kohonen algoritması, geri yayılım, genetik algoritma. IV, Short term load forecasting, artificial neural network, modified Kohonen algorithm, back propagation, genetic algorithm. Ill
  7. Yıl: 1996
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 145

Özet

oz KISA DÖNEM YÜK TAHMİNİ İÇİN GENETİK YÖNTEMLE EN İYİLEŞTİRİLMİŞ SİNİRSEL A? İLE BİRLİKTE DE?İŞİME U?RATILMIŞ KOHONEN SINIFLANDIRMA SÜRECİNİN UYGULANMASI ÖZDO?AN Ali Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. İsmet ERKMEN Eylül 1996, 145 sayfa Bu çalışmada, kısa dönem yük tahmini için yeni ve akıllı bir yöntem geliştirilmiştir. Yöntem, üç modülden oluşmaktadır. Birinci modül günlük yük eğrilerini, değişime uğratılmış Kohonen algoritması kullanarak sınıflandırır. İkinci modül, genetik algoritma kullanarak, her bir sınıf için en uygun öğretilmiş sinir ağı bağlantı yapısını ve ilgili ilk ağırlık değerlerini be lirler. Üçüncü modülde, genetik yöntemle en iyileştirilen üç katmanlı geri yayılım ağı öğretilir ve çalıştırılarak saatlik yük tahmini yapılır. Bu çalışmada, yukarıda tanımlanan modüllerin her birinin tahminin doğruluğu üzerindeki etkileri de ayrı ayrı incelenmiştir. Önerilen sistem, 1993'ün farklı zamanlarından alınmış farklı gün tipleri ile test edilmiş ve ortalama % 1 hatayla çarpıcı sonuçlar elde edilmiştir.

Özet (Çeviri)

ABSTRACT SHORT TERM LOAD FORECASTING USING GENETICALLY OPTIMIZED NEURAL NETWORK CASCADED WITH A MODIFIED KOHONEN CLUSTERING PROCESS ÖZDO?AN, Ali M. S., Department of Electrical and Electronics Engineering Supervisor: Assoc. Prof. Dr. İsmet ERKMEN September 1996, 145 pages In this study, a new intelligent approach is developed for short term load forecasting. The technique contains three basic modules. The first module employ the clustering of daily load curves with using Modified Kohonen algorithm. Second module determine the most appropriate supervised neural network topology and associated initial weight values for each cluster by using genetic algorithm. At the third module, genetically optimized three layered back propagation network is trained and run to perform hourly load forecasting. In this study, effects of each module described above, are also considered separately, on the forecasting accuracy. The proposed system is tested extensively with the load curves of Turkish electrical system of 1993 using different day types from different times of the year and promising results with approximately 1 % of mean error is obtained.

Benzer Tezler

  1. Tez No

    35705

    Short term load forecastingusing GLVQ algorithm cascaded with a supervised ann.

    Öğretilmiş yapay nöron ağları ile GLVQ algoritmasını kullanarak kısa dönem yük tahmini

    BENGÜ BALA BALYA

    Yüksek Lisans

    İngilizce

    İngilizce

    1994

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMET ERKMEN

  2. Tez No

    523120

    Short term electricity load forecasting using machine learning techniques

    Makine ögrenmesi yöntemleri kullanılarak kısa dönem elektrik talep tahmini

    MUSTAFA YEŞİLYURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN

  3. Tez No

    68573

    Short term system load forecasting using fuzzy neural networks

    Bulanık sinirsel ağlar kullanarak kısa dönem sistem yükü tahmini

    ERCAN TAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMET ERKMEN

  4. Tez No

    100993

    Regresyon analizi ve yapay sinir ağı yöntemleri ile uzun dönem yük tahmini

    Long term load forecasting using multiple regression analysis and artificial neural network

    FATİH AKSEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. BELGİN EMRE TÜRKAY

  5. Tez No

    365650

    Turkey's short term hourly electricity demand forecasting using artificial neural network

    Yapay sinir ağı ile Türkiye'nin kısa vadeli saatlik elektrik talep tahmin

    MUHAMMED G YASİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. VEHBİ ÇAĞRI GÜNGÖR

Geri Dön