Predicting power consumption using artificial neural networks algorithms
Başlık çevirisi mevcut değil.
- Tez No: 672333
- Danışmanlar: Prof. Dr. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Dünya enerji tüketiminin önemli bir kısmı uluslar yaratmaktır. Günümüzde elektrik enerjisi, teknolojinin gelişmesinin temel ve temel bir parçası haline geldi. İnsan hayatını teşvik eden ve iş verimliliği sağlayan elektrik enerjisi üretimi ve tüketimi her geçen yıl artmaktadır. Yapay sinir ağları (YSA), özellikle geri besleme bağlantılarına sahip olduklarında, karmaşık dinamikler üretme kabiliyetleri nedeniyle kontrol uygulamalarında dikkat çekti. Bir ağın bir problemi çözmesi için en iyi parametre setini bulma problemi, bir arama ve optimizasyon problemi olarak görülebilir. Yakın geçmişte, farklı araştırma veri kümelerinin eğitimi için YSA parametrelerinin optimize edilmesi sorununa uygulanan, yaygın olarak kullanılan iki stokastik algoritma, genetik algoritmalar (GA'lar) ve parçacık sürüsü optimizasyonu (PSO) vardır. Sinir ağı tabanlı eğitim süreci, robotun karmaşık görevleri yerine getirmesini sağlamak için GA'lar ve PSO kullanılarak optimize edilmiştir. Ancak, gelecekteki elektrik tüketiminin tahmin edilmesi, geleceğe yönelik önemli düzenlemelerin yapılması ve enerji önlemlerinin alınması açısından hayati önem taşımaktadır. Bu nedenle bu araştırma çalışmasında, YSA eğitim performansını optimize etmek için mikroalglerin yaşam davranışlarından esinlenerek yapay alg algoritması (AAA) adı verilen biyo-esinlenmiş bir meta-sezgisel optimizasyon algoritması, yani fotosentetik türler kullanılmıştır. Algoritma, evrimsel sürece, adaptasyon sürecine ve mikroalglerin hareketine dayanmaktadır. Önerilen YSA-AAA algoritmasının performansı, çeşitli kıyaslama veri kümelerinde ve YSA-PSO modeline karşı gerçek dünya tasarım optimizasyon probleminde doğrulanmıştır. Korelasyon nedeniyle YSA, elektrik tüketiminin iyi bir göstergesi gibi görünmektedir.
Özet (Çeviri)
A significant extent of world energy consumption is by creating nations. Today, electric energy has turned into a basic and fundamental piece of the improvement of technology. Generation and consumption of electrical energy, which encourages human life and builds work efficiency, are expanding each year. The artificial neural networks (ANNs) received attention in control applications due to the ability to produce complex dynamics, especially when they have feedback connections. The problem of finding the best parameter set for a network to solve a problem can be seen as a search and optimization problem. In recent past, there are two widely used stochastic algorithms, genetic algorithms (GAs) and particle swarm optimization (PSO), applied to the problem of optimizing parameters of ANNs for the training of different research datasets. The neural network-based training process is optimized using GAs and PSO in order to enable the robot to accomplish complex tasks. However, forecasting the future consumption of electricity is vital in making key arrangements for the future and taking energy measures. Therefore in this research work, a bio-inspired metaheuristic optimization algorithm called artificial algae algorithm (AAA) inspired by the living behaviors of microalgae is been used , photosynthetic species, is introduced to optimize the ANN training performance. The algorithm is based on the evolutionary process, adaptation process and the movement of microalgae. The performance of the proposed ANN-AAA algorithm has been verified on various benchmark datasets and a real-world design optimization problem against the ANN-PSO model. Because of the correlation, ANN appears to be a decent indicator of electricity consumption.
Benzer Tezler
- Matlab implementation of artificial neural networks algorithms for power consumption prediction
Güç tüketimi tahmini için yapay sinir ağları algoritmalarının matlab uygulaması
MOHAMMAD MOUNAM AGOOL AGOOL
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Makine öğrenmesi kullanımıyla ev tipi klimalarda parametre ve enerji verimliliği optimizasyonu
Optimization of parameter and energy efficiency in residential air conditioners using machine learning
EZGİ SEVGİ ÖZDEMİR
Yüksek Lisans
Türkçe
2020
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- Otomatik üretim kontrolü sistemlerine yapılan yanlış veri enjeksiyon saldırılarının torbalama ağaçları algoritması ile tespiti
Detection of false data injection attacks on automatic generation control systems with bagged trees algorithm
ATAKAN ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Makine öğrenmesi algoritmalarıyla elektrik tüketimi için talep tahmin modellemeleri ve yenilenebilir enerjinin artan önemi: Türkiye örneği
Demand forecasting modelling for electricity consumption with machine learning algorithms and the increasing importance of renewable energy: The case of Turkiye
İLKNUR YEŞİM DİNÇEL KIRATOĞLU
- İzmir Bakırçay Üniversitesi'nin yenilenebilir enerji üretiminin ve enerji tüketiminin tahmin edilmesi
Title o estimate of renewable energy generation and energy consumption of İzmir Bakırçay University
ERTUĞRUL ORMAN
Yüksek Lisans
Türkçe
2022
EnerjiİZMİR BAKIRÇAY ÜNİVERSİTESİAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. BAYRAM KÖSE