Bazı veri madenciliği yöntemleri ile elektrik tüketim tahmini
Electricity consumption forecasting with some data mining methods
- Tez No: 683657
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET SABRİ ÖĞÜTLÜ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Yıllar geçtikçe Türkiye de nüfus artmakta, sanayi gelişmekte ve yaşamın her alanında yüksek teknoloji araçlarının kullanımı enerji ihtiyacına olan talebi her geçen gün daha çok arttırmaktadır. Ülkemizde kullanılan başlıca enerji türü elektrik enerjisidir. Elektrik enerjisinin önemli bir kısmı fosil yakıtlardan elde edilmektedir. Fosil kökenli enerji kaynaklarının her geçen gün azaldığı dünyamızda elektriğin depolanamaması, elektriğin üretildiği an tüketilmesi gerekliliği gibi kısıtların olduğu gerçeği, arz talep dengesi dikkate alınarak elektrik üretim faaliyetlerinin yürütülmesi ve tüketim miktarına göre planlama yapılmasının önemini her geçen gün arttırmaktadır. Zira kullanılan elektriğin sürdürülebilirliği sağlıklı bir planlamaya o da dolayısıyla kaliteli bir tahmine bağlıdır. Bu çalışmada, Türkiye'nin elektrik tüketimi, ithalat, ihracat, Türkiye sanayi üretim endeksi gibi ekonomik değişkenler, nüfus, sıcaklık, yağış gibi parametreler bir arada kullanılarak aylık baz da tahmin edilmeye çalışılmıştır. Tahmin yöntemi olarak, yapay sinir ağları, karar ağacı ve destek vektör makineleri algoritmaları kullanılmıştır. Tezin ilk bölümünde elektrik tüketiminin tahminiyle ilgili literatür araştırılmış ve kullanılacak yöntemlerin detaylarına bu bilgiler ışığında karar verilmiştir. Sonrasında bazı veri madenciliği yöntemlerinin teorik altyapısı ve Türkiye'nin elektrik enerjisi tüketimini en çok etkileyen parametreler incelenmiştir. Uygulama kısmında her algoritma ile 10 farklı model eğitilmiştir. Eğitim için Türkiye'nin Ocak 2000 - Aralık 2017 dönemine ait 216 aylık veri kullanılmıştır. Daha sonra eğitilen modellerle Ocak 2018 - Aralık 2019 yılları arasındaki 24 aylık dönemin elektrik tüketimi tahmin edilmiştir. Tahmin sonucunda elde edilen değerler ile gerçek değerler göz önünde bulundurularak kullanılan algoritmalara ait modellerin performansları karşılaştırılmıştır.
Özet (Çeviri)
Over the years, the population of Turkey is increasing, and demand for the industry evolving needs of high-tech tools in the field of energy use increases the life of its passing day more. The main type of energy used in our country is electrical energy. An important part of electrical energy is obtained from fossil fuels. In our world where fossil-based energy resources are decreasing day by day, the facts of existing constraints- such as the inability to store electricity and the necessity of consuming electricity when it is produced- increase the importance of carrying out production activities by taking care of supply-demand balance day by day and planning in accordance with the amount of consumption. Since, the sustainability of the electricity used depends on a healthy planning and a quality forecast. In this study, parameters such as Turkey's electricity consumption, imports, exports, economic variables like Turkey's industrial production index, population, temperature, rainfall has been used together to estimate on a monthly basis. As the prediction methods, artificial neural network, decision trees, and algorithm of support vector machines were used. In the first part of the thesis, the literature on estimation of electricity consumption was researched and the details of the methods to be used were decided in light of this information. After that, some theoretical foundation of data mining methods and parameters that affect Turkey's electricity consumption most were investigated. In the application part, 10 different models were trained with each algorithm. For the training, 216 months of data for Turkey's January 2000 - December 2017 period were used. Then, with the models trained, the electricity consumption for the 24-month period between January 2018 and December 2019 was estimated. The performances of the models of the algorithms used were compared with the values obtained as a result of the estimation and the actual values.
Benzer Tezler
- Estimation of optimum borehole points using software solutions
Yazılım çözümlerini kullanarak optimum sondaj noktalarının belirlenmesi
FARİZ NAHMATOV
Yüksek Lisans
İngilizce
2015
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ TUMAÇ
- The use of integrated geophysical methods for groundwater exploration in ghana
Gana bölgesinde yeraltı suyu araştırmaları için entegre jeofizik yöntemlerin kullanılması
HAFİZ MOHAMMED NAZİFİ
Yüksek Lisans
İngilizce
2015
Jeofizik MühendisliğiSakarya ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
Prof. Dr. LEVENT GÜLEN
- İyi–kötü kokular ile ilişkili EMOTIV-EPOC tabanlı EEG kayıtlarının makine öğrenmesi yöntemleri ile sınıflandırılması
EMOTIV-EPOC based electroencehalographic (EEG) responses to pleasant-unpleasant odors classification using machine learning algorithms
MESUT ŞEKER
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SİRAÇ ÖZERDEM