Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması
Load forecasting analysis of power systems using long short-term memory and applicati̇on
- Tez No: 684662
- Danışmanlar: PROF. DR. MEHMET KURBAN, DOÇ. DR. EMRAH DOKUR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Yük tahmini, güç sistemlerinin planlanması ve işletilmesindeönemli bir role sahiptir. Enerji piyasalarının özelleştirilmesi, her katılımcının rakipler üzerinde bir tür avantaj elde etmek için daha iyianaliz yapmak ve tahmin modellerini oluşturmak, geliştirmek için çabalamış oldukları rekabetçi pazarların oluşmasına neden olmaktadır.Tahmin, yükü etkileyen faktörlereve farklı zaman dilimlerine bağlıdır. Bununla birlikte, stokastik ve belirsizlik özellikleri nedeniyle, elektrik hizmetlerinin gelecekteki yük talebini doğru bir şekilde tahmin edilmesizor bir problem haline gelmiştir. Yük tahmini yaklaşımlarında yapay sinir ağları (YSA) en yaygın kullanılan yöntemlerden biri olmasına rağmen günümüzde hibrit yaklaşımlar ve derin öğrenme teknikleri gibi çeşitli yaklaşımlarda kullanılmaktadır. Uzun-kısa süreli bellek (LSTM), Tekrarlayan Sinir Ağları (RNN) modelleriyle birlikte gelen yok olan gradyan problemini çözdüğü görülmektedir.Bu tez çalışmasında, kısa ve orta vadelisaatlik yük tahmini için LSTM ve YSA tabanlı iki yöntem kullanılmaktadır. Ayrıca yaygın olarak kullanılan makine öğrenimi yaklaşımlarıiçin iki farklı modelin karşılaştırılması yapılmaktadır.Model 1 ve Model 2 olarak adlandırılan iki farklı zaman aralığı için tahmin modelleri oluşturulmuştur. Tahmin modellerinin performansları, ortalama mutlak yüzdehatası (MAPE), ortalama mutlak hata (MAE) ve hata kareler ortalamasının karekökü(RMSE) gibi çeşitli hata performans metrikleri kullanılarak karşılaştırılmıştır. Sonuç olarak, bu tez çalışmasındaLSTM ve YSA yöntemleri yardımıyla Türkiye'deki2017-2019 yılları arasındaki yıllıkelektrik enerjisi tüketim verilerininbirden çok zaman diliminde elektrik tüketiminintahmin edilmesi ve tahmin sonuçlarınınperformansının belirlenmesiamaçlanmaktadır.Yapılan bu analizler sonucunda normalizeli yük tahmini çalışmasında, en düşük ortalama günlük hata yüzdelerini LSTM yapısınınverdiği görülmüştür. Tüm hata performans metriklerinin sonuçlarına göre LSTM modelinin klasik YSA modeline göre daha iyi sonuç verdiği gözlemlenmiştir. Buna ek olarak hata metriklerine göre LSTM ve YSA için önerilen Model 1'nin başarımı Model 2'den daha düşükolduğu görülmüştür.
Özet (Çeviri)
Load forecasting plays an important role in the planning and operation of power systems. The privatization of energy markets results in the creation of competitive markets in which each participant strives to create and develop better analysis andforecasting models in order to gain some kind of advantage over competitors. The forecast is affected by factors affecting the load and actions taken in different time periods. However, due to its stochastic and uncertainty characteristics, it has become a difficult problem for electrical utilities to accurately predict future load demand. Although artificial neural networks (ANN) are used as the most widely used method in load estimation approaches, hybrid approaches and deep learning techniques are amongthe popular research topics today. Long-short-term memory (LSTM) appears to solve the vanishing gradient problem that comes with RNN models. In this thesis, two methods based on LSTM and ANN are used for aggregate demand-side load forecasting in short and medium-term monthly horizons. Two different models are compared for widely used machine learning approaches. Forecast models are created for two different time horizons called Model 1 and Model 2. The performances of the prediction models were compared using various error performance metrics such as mean absolute percent error (MAPE), mean absolute error (MAE), and root mean square error (RMSE). With the help of ANN methods, it is aimed to test the success of estimating electricity consumption in more than one time period of consumption amounts in Turkey. In the normalized load estimation study, it was seen that the LSTM structure gave the lowest average daily error percentages. According to the results of all error performance metrics, it was observed that the LSTM model gave better results than the classical ANN model. In addition, according to some error metrics, the performance of Model1 proposed for LSTM and ANN is lower than Model 2.
Benzer Tezler
- Single phase autoreclosing in 735 KV transmission system
735 KV iletim sisteminde tek fazlı otomatik tekrar kapama
KAVEH SALEHGHADIMI
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Yük tahmini yöntemleri ve Çukurova Elektrik A.Ş., Kepez Elektrik T.A.Ş. bölgelerine uygulanması
Load forecasting methods and application of Çukurova Elektrik A.Ş., Kepez Elektrik T.A.Ş. regions
EKREM GÜRSOY
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ADNAN KAYPMAZ
- Elektrik enerji piyasalarında iletim hat parametrelerinin tıkanıklık üzerine etkileri
The effects of transmission line parameters on congestion in competitive power markets
CANAN ZOBİ
Doktora
Türkçe
2005
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ.DR. CANBOLAT UÇAK
- Güç sistemlerinde gerilim kararlılığı indekslerinin uç öğrenme algoritması ile tahmini
Estimation with extreme learning algorithm of power system voltage stability index
İLHAMİ POYRAZ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. RESUL ÇÖTELİ
- Rüzgâr santrali bileşenlerinin analitik ağ süreci kullanarak yeni bir yaklaşımla çok ölçütlü seçimi
Multi criteria selection of wind power plant components with a new approach using analytical network process
FİKRİ BARIŞ UZUNLAR
Doktora
Türkçe
2020
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
PROF. DR. ÖZCAN KALENDERLİ