Forecasting methods for demand management
Başlık çevirisi mevcut değil.
- Tez No: 611160
- Danışmanlar: DR. ÖĞR. ÜYESİ KEMAL DİNÇER DİNGEÇ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Büyüme ve gelişmedeki artışla birlikte enerji sektörü dünyadaki en önemli sektörlerden biri haline geldi, bu nedenle çoğu ülke enerji sektörünü iyileştirmek ve başarılı bir gelecek politikası oluşturmak için yarışa girdi. Bu çalışma, karar vermede yardımcı olmak için istatistiksel teknikleri (Holt-Winters ve Box-Jenkins) kullanarak Türkiye'deki elektrik talebini tahmin etmek için modeller oluşturmayı amaçlamaktadır. İstatistiksel modellere uyması için iki zaman serisini (yıllık ve mevsimlik zaman serileri) kullanıyorum. Bu modellerin çoğu yüksek doğruluk oranına sahiptir, ancak yıllık zaman serilerini tahmin etmek için en iyi model, Ortalama Mutlak Yüzde Hata (MAPE) 'nin% 2.518 olduğu ve mevsimsel zaman serilerini tahmin etmek için en iyi model olan SARIMA (2) olan ARIMA (0,2,1)' dır. 1,2) X (1,1,1) MAPE% 2.131 idi. Bu modellerden elde edilen nihai sonuçlar, Aralık 2021'de talebin mevsimsel zaman serileri için 28307 (GW / s) ve 2027'deki talebin 398313 (GW / s) olduğu yerlerde elektrik talebinde bir artış olduğunu göstermektedir. Bu nedenle, talebi karşılamak için elektrik üretimi önümüzdeki dönemde artırılmalıdır.
Özet (Çeviri)
With the increase in the growth and development the energy sector become one of the most important sectors in the world therefore, most countries entered into a race to improve their energy sector and draw up a successful future policy. This study aims to create models for forecasting electricity demand in Turkey by using statistical techniques (Holt-Winters and Box-Jenkins) to assist in decision making. I use the two-time series (annual and seasonal time series) to fit statistical models. Most of these models have high accuracy but the best model for forecasting annual time series is the ARIMA (0,2,1) where Mean Absolute Percentage Error (MAPE) was 2.518% and the best model for forecasting seasonal time series is SARIMA (2,1,2)X(1,1,1) where MAPE was 2.131%. The final results from these models show an increase in electricity demand in future where in Dec-2021 the demand becomes 28307 (GW/h) for seasonal time series and the demand in 2027 becomes 398313 (GW/h). The production of electricity, therefore, must be increased in the next period to satisfy demand.
Benzer Tezler
- Elektrik enerji sistemlerinde talep tahmin yöntemleri ve yapay sinir ağları uygulaması
The methods for demand forecasting in electric power systems and application of neural networks
METE PINARBAŞI
Yüksek Lisans
Türkçe
2009
Enerjiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ERKAN ATMACA
- Improving the Turkish navy recquirements determinnation process: An assessment of demand forecasting methods for weapon system items
Başlık çevirisi yok
NAİM TEOMAN ÜNLÜ
Yüksek Lisans
İngilizce
2001
Savunma ve Savunma TeknolojileriThe Naval Postgraduate SchoolDR. KEVIN R. GUE
DR. THOM CROUCH
- Akıllı ilaç yönetim sistemleri için talep tahmini uygulaması
Demand forecasting application for smart medication management systems
HANDE MİRAC ADIGÜZEL
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Kültür ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP GERGİN
- Yapay sinir ağları ve makine öğrenme yöntemleriyle V2G alt yapsına yönelik şebeke talep tahmin sistemi geliştirilmesi
Development of a grid demand forecasting system for an integrated V2G infrastructure using artificial neural networks and machine learning methods
RAMAZAN YEŞİLDALLAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Nişantaşı ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET KILIÇ
- 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
2022
Endüstri ve Endüstri MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. TURAN ERMAN ERKAN