Gelecek dönemlere ait Türkiye elektrik tüketimi tahmininde yapay sinir ağları modelinin kullanılması
Using artificial neural network models in Turkey electricity consumption forecast for coming period
- Tez No: 641020
- Danışmanlar: PROF. DR. ÖMER ÖNALAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, İşletme, Statistics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: 99
Özet
Dünya genelinde en çok ihtiyaç duyulan enerji türlerinden biri elektrik enerjisidir. Günlük yaşamımızın her noktasında elektrik enerjisine duyulan ihtiyacı görmekteyiz. Ulaşım, tıp, iletişim, sanayi, teknoloji gibi birçok alanda elektrik enerjisi insanlar için vazgeçilmez bir ihtiyaç olarak karşımıza çıkmaktadır. T.C. Enerji ve Tabii Kaynaklar Bakanlığı verilerine göre Türkiye elektrik tüketimi 2017 yılında 249 milyar kWh iken 2018 yılında 254 milyar kWh olarak büyük bir artış göstermiştir. Elektrik enerjisine duyulan ihtiyacın sürekli artması, elektriğin depolanamaması, elektriğin üretildiği an tüketilmesi gerekliliği gibi nedenlerden dolayı arz-talep dengesinin sağlaması gerekmektedir. Sürekli olarak artan bu talebin karşılanamaması ekonomik açıdan ülkelere problem yaratmaktadır. Bu talep etkin bir talep tahmin yöntemi ile desteklenmelidir. Elektrik piyasasında elektrik arzının talebi karşılaması için gerekli stratejik hedefler, planlama ve taktik kararların alınması önemli rol oynamaktadır. Ülkemizin ekonomi, refah seviyesi, üretim, teknoloji, sanayi gibi önemli unsurların artışı için elektrik tüketim tahminini yapmak oldukça önem arz etmektedir. Enerji arzının talepten çok düşük olması durumunda refah seviyesi düşecek, ekonomik krizlerin riski artacak, üretim ve diğer alanlarda problemler ortaya çıkacaktır. Çok düşük olmasının yanı sıra çok yüksek olması da elektrik enerjisinin israfına neden olacaktır. Bundan dolayı gerçek değere yakın talep tahmin değeri bulmak oldukça önemlidir. Son zamanlarda makine öğrenmesinin gelişimiyle birlikte geleneksel talep tahmini yöntemleri yerini yapay sinir ağlarına bırakmıştır. Yapılan çalışmada nicel tahmin metotlarından yapay sinir ağları yöntemi ile gelecek döneme ait elektrik tüketim miktarı tahmin edilmeye çalışılmıştır. Yapay sinir ağlarının özellikleri, yapısı, modelleri, avantaj ve dezavantajları detaylı olarak incelenmiştir. Daha önceden yapılan çalışmalara göre elektrik tüketimini etkileyen faktörler olarak nüfus, elektrik üretim miktarı, trafo sayısı, gayrisafi yurtiçi hasıla (GSYİH) ve elektrik enerjisine yapılan yatırım olarak belirlenmiştir. Bu ii faktörler çalışmada yapay sinir ağının değişkenleri olarak kullanılmıştır. Öncelikle tahmin edilmek istenen senenin değişkenleri Holt metodu ile tahmin edilmeye çalışılmıştır. Holt metodu için Excel programı kullanılmıştır. Daha sonra verilerin büyüme oranları bulunarak ağın daha rahat öğrenmesine ortam hazırlanmıştır. Elde edilen veriler D_Min_Max normalizasyon yöntemiyle normalize edilerek 0,1-0,9 aralığından oluşan veri seti elde edilmiştir. Yapay sinir ağları yöntemi MATLAB R2018a programı kullanılarak uygulanmıştır. Uygulamada yapay sinir ağlarında en çok kullanılan model olan çok katmanlı algılayıcı modeli kullanılmıştır. Yapıda öğrenme kuralı olarak delta öğrenme kuralı, transfer fonksiyonu olarak sigmoid fonksiyonu, performans ölçümü olarak MSE yani hataların karelerinin toplamının ortalaması kullanılmıştır. Çalışma sonucunda yapay sinir ağları gerçek değere oldukça yakın tahmin değeri üretmiştir. Tahmin edilen değerin 0,999308677 doğrulukta gerçek değere yakın olduğu görülmüştür. Gelecek dönemlere ait elektrik tüketimi tahmini ve benzer çalışmaların tahmini için uygun bir model olduğu gözlemlenmiştir.
Özet (Çeviri)
One of the most needed types of energy worldwide is electric energy. We can see the need for electrical energy at every point of our daily lives. In many areas such as transportation, medicine, communication, industry and technology, electrical energy is an indispensable need for people. According to data from the Ministry of Energy and Natural Resources, electricity consumption in Turkey has increased to 254 billion kWh in 2018, while 249 billion kWh in 2017. The need for electrical enegy needs to increase continuously, the electricity cannot be stored and the electricity needs to be consumed at the moment it is produced. Because of these reasons supply-demand balance needs to be maintained. Failure to supply with this continuously increasing demand creates problems for countries in economic terms. This demand should be supported by an effective demand forecasting method. Strategic goals, planning and tactical decisions required for electricity supply to meet demand play an important role in the electricity market. It is very important to estimate electricity consumption in order to increase important factors such as economy, welfare level, production, technology and industry of our country. If the energy supply is lower than the demand, the welfare level will decrease, the risk of economic crises will increase, problems in production and other areas will arise. In addition to being very low, too high will also cause waste of electrical energy. Therefore, it is important to find the demand forecast value close to the actual value. Recently, with the development of machine learning, traditional demand forecasting methods have been replaced by artificial neural networks. In the study, the amount of electricity consumption for the next period was tried to be estimated by artificial neural network method which is one of the quantitative estimation methods. Properties, structure, models, advantages and disadvantages of artificial neural networks have been examined in detail. According to previous studies, population, production, number of transformers, Gross Domestic Product (GDP) and investment in electricity were determined as factors affecting electricity consumption. These factors were used as variables of artificial neural network. Firstly, the variables of the year to be estimated were tried to be estimated by Holt method. Excel program was used for Holt iv method. Then, the growth rate of the data was found and the environment was prepared for the network to learn more easily. The data obtained were normalized by D_Min_Max normalization method and a data set consisting of 0.1-0.9 range was obtained. Artificial neural network method was applied by using MATLAB R2018a program. In this study, multilayer perceptron (MLP) model, which is the most used model in artificial neural networks, is used. In this structure, delta learning rule was used as the learning rule, sigmoid function was used as the transfer function, MSE was the mean of mean squared error is used as the performance measurement. As a result of this study, artificial neural networks produced estimation value close to real value. It has been observed that the predicted value is so close to the real value with an accuracy of 0,999308677. It is observed that it is a suitable model for the estimation of electricity consumption for the future periods and for the estimation of similar studies.
Benzer Tezler
- Türkiye enerji sektörünün stratejik konumu ve yapay sinir ağı modelleriyle enerji tüketiminin tahmini
Turkish energy sector strategic position and neural network prediction of energy consumption models with
HATİCE GENÇ KAVAS
Doktora
Türkçe
2019
EnerjiSivas Cumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜDAVERDİ BİRCAN
- Türkiye elektrik piyasası için arz ve talep değerlendirmesi ve projeksiyonları: 2010 – 2016 dönemi
Supply and demand evalaution and projections for the Turkish electricity market: 2010- 2016 period
SELİM ÖNAY
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. AHMET DENİZ YÜCEKAYA
- Elektrik enerjisi tüketiminin regresyon tekniğiyle tahminlemesi: Şanlıurfa ili örneği
Estimation of electrical energy consumption with regressiontechnique: The case of Şanlıurfa province
KÜBRA DEYAPOĞLU
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiHarran ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İZZETTİN HAKAN KARAÇİZMELİ
- Mobil uygulamaların gelecek dönemde kullanımının zaman serileri kullanılarak tahmin edilmesi
Mobile applications usage forecasting using time series
UĞUR İNCE
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
- Türkiye petrokimya sektöründe üretim planlaması: Bir doğrusal programlama uygulaması
Başlık çevirisi yok
İLHAN AZKAN