Kısa dönem elektrik tüketim tahmini için 2D-CNN ve derin öğrenme algoritmaları kullanılarak hibrit bir model geliştirilmesi
A hybrid model by using 2D-CNN and deep learning algorithms for short-term electricity consumption forecasting
- Tez No: 692286
- Danışmanlar: DR. ÖĞR. ÜYESİ BURAK YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Konya Gıda ve Tarım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Enerji tüketim tahmini arz-talep dengesinin sağlanması açısından oldukça önemlidir. Bu dengenin sağlanabilmesi için doğru ve güvenilir tahminler yapılması gerekmektedir. Bu tez çalışmasında, kısa dönem saatlik yük tahmini için 2D-CNN ve derin öğrenme metotlarından farklı yaklaşımlar kullanılarak hibrit bir model geliştirilmiştir. Çalışmada farklı olarak bir boyutlu zaman serisi olan geçmiş 24 saatlik tüketim verisi iki boyutlu görüntü verisine dönüştürülerek kullanılmıştır. Ayıca benzer günlerin tüketimi ile takvim etkisinin model üzerindeki etkisi de incelenmiş ve doğruluğu artırdığı gözlemlenmiştir. Amaçlanan model ve 1D-CNN ile oluşturulan model karşılaştırıldığında tahmin sonuçlarında iyileşme sağlandığı görülmüştür. Kullanılan derin öğrenme modellerinden RNN, LSTM ve GRU karşılaştırıldığında ise GRU' nun daha başarılı sonuç verdiği görülmüştür. Çalışma sonucunda, 2D-CNN-GRU hibrit modeli ile yapılan tahminlerin hata oranı %3.15 MAPE olarak hesaplanmıştır. Ayrıca klasik zaman serisi yöntemlerinden ARIMA ile karşılaştırıldığında derin öğrenme algoritmalarının tahmin modelleri üzerinde daha başarılı olduğu gözlemlenmiştir.
Özet (Çeviri)
Energy consumption forecasting very important in terms of maintaining supply-demand balance. Accurate and reliable forecasting are required to provide this balance. In this thesis study, a hybrid model has been developed using 2D-CNN and deep learning methods for the short-term load forecasting. Unlike other studies in the study, the past 24-hour consumption data, which is a one-dimensional time series, was converted into two-dimensional image data and used. In addition, the consumption of similar days and the effect of the calendar effect on the model were also examined and it was observed that it increased accuracy. However, the consumption of similar days and the effect of special days and holidays were examined, and it was observed that it increased model accuracy. Compared to the proposed model and the model created with 1D-CNN, the forecast results were improved. GRU, which is one of the deep learning models used, has been found to be more successful. As a result of the study, the error rate of the predictions made with the 2D-CNN-GRU hybrid model was calculated as 3.15% MAPE. In addition, it has been observed that deep learning algorithms are more successful on prediction models when compared to ARIMA, one of the classical time series methods.
Benzer Tezler
- Regresyon analizi ve yapay sinir ağı yöntemleri ile uzun dönem yük tahmini
Long term load forecasting using multiple regression analysis and artificial neural network
FATİH AKSEL
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BELGİN EMRE TÜRKAY
- Recurrent neural network based approaches for electricity consumption forecasting
Tekrarlayan sinir ağı tabanlı elektrik tüketim tahmini
ALPER TOKGÖZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Talep tahmini için gri temelli bir yaklaşım
A grey based approach to demand forecasting
CEYDA TANYOLAÇ BİLGİÇ
Doktora
Türkçe
2022
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Research and application of real-time short-term electrical energy consumption forecasting using artificial intelligence based techniques
Gerçek zamanlı kısa dönem elektrik enerjisi tüketim tahmininin yapay zeka tabanlı yöntemler kullanılarak araştırılması ve uygulanması
KASIM ZOR
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET TEKE
DR. ÖĞR. ÜYESİ HATİCE BAŞAK YILDIRIM
- Ann based electricity consumption forecasting in Yasar University
Yapay sinir ağları kullanılarak Yaşar Üniversitesi yük tahmini
TUTKU ÇİMENDERE BUTEKİN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACER ÖZTURA