Load balance forecasting based on hybrid deep neural network
Hibrit derin sinir ağına dayalı yük dengesi tahmini
- Tez No: 752735
- Danışmanlar: DR. ÖĞR. ÜYESİ NEZİHE YILDIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Günlük hayatımızda paha biçilmez bir görevi yerine getiren verimli ve temiz bir güç kaynağına atıfta bulunan ve Elektrik yükü tahmini (ELF) olarak bilinen temel bir işlem olan elektrik terimi, elektriğin tanımlanmasındaki önemi nedeniyle gerçekleştirilmektedir. Elektriğin kapasitesinin programlanmasında ve güç sistemlerinin yönetilmesinde belirleyici bir rol oynayan üretim yük tahmini, her zaman arz ve yük talebi arasında bir denge kurmak için gereken gücü veya enerjiyi tahmin etmek için güç sağlayıcı şirketlerinin kullandığı tekniktir. Elektrik yükü tahmini için doğru bir tahmin çok önemlidir ve doğru tahmin kaynakların kullanımını azaltırken, elektrik gücü, emek ve zamandan tasarruf sağlar. Bu tez, derin öğrenme kavramına dayanan bir modelin sağlandığı elektriğin yük dengesi tahmini için doğru ve verimli bir teknik sağlar. İlk olarak elde edilen veri seti, biri önerilen tahmin modelinin eğitimi için, diğeri ise doğrulama ve test için kullanılan iki alt kümeye ayrılır. İki yıl sonraki yük tahminini tahmin etmek için, beş katmandan oluşan, LSTM'den ve yoğun katmanlardan oluşan bir hibrit derin ağ önerilmiştir. Deneysel sonuçlar, elektrik gücü tüketiminin yük dengesi tahmini için yüksek bir tahmin oranı gösterir ve tahmin doğruluğunu değerlendirmek için MAE, RMSE ve MAPE dahil olmak üzere üç ana performans değerlendirme ölçümü elde edilir. Önerilen model, MAE'nin 5.262'ye eşit, RMSE'nin 18.243'ün ve MAPE'nin 0.0000376'ya eşit olduğu elektrik yükünü tahmin etmede neredeyse mükemmel olduğu düşünülen bir sonuç sağlar ve bu, doğru bir performans sağlamaya yardımcı olabilecek üstün bir performans olarak kabul edilebilir ve sağlam yük dengesi tahmini elde edilir.
Özet (Çeviri)
The term of electricity referred to an efficient, and clean source of power, which perform an invaluable duty in our daily life, and an essential operation known as Electric load forecasting (ELF), must be accomplished due to its importance in delineation of the electricity generation, which perform a definitive role in scheduling the capacity of the electricity, and managing the power systems. Load forecasting is the technique that utilized by the companies of power providers in order to predict the required power or energy required to make a balance between the supply and load demand at all the times. An accurate prediction for electricity load forecasting is very important, and make the use of resources less, and save effort, and time in providing the electrical power. This thesis provides an accurate and efficient technique for load balance forecasting of electricity, in which a proposed model that is relying on the concept of deep learning is provided. The attained dataset at first is separated into two sub sets one for training the proposed prediction model, and the other is utilized for validation and testing. A hybrid deep network that consists from LSTM, along with Dense layers is proposed in order to predict the load forecasting for two years ahead, that consists from five layers. The experimental results show a high prediction rate for load balance forecasting of the electricity power consuming, and to evaluate forecast accuracy three main performance evaluation measurements are attained including the MAE, RMSE, and MAPE. The proposed model provides a results considered to be almost perfect in prediction the electricity load within a MAE equal to 5.262, RMSE is 18.243, and MAPE equal to 0.0000376 which it can be considered as a superior performance that can help in providing an accurate, and robust load balance forecasting.
Benzer Tezler
- Türkiye'nin kısa dönemli saatlik bazda elektrik tüketiminin yapay zeka teknikleri kullanılarak tahmin edilmesi
Short-term electricity load forecasting of Turkey using artificial intelligence technics
VOLKAN ATEŞ
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT LÜY
DOÇ. DR. NECAATTİN BARIŞÇI
- Elektrik enerjisi piyasaları ve çimento sektöründe elektrik enerjisi tüketim tahmininin önemi
Electricity markets and the importance of electricity consumption forecasting in cement sector
EZGİ KAYAHAN
Yüksek Lisans
Türkçe
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Combined approaches for prediction of short-term wind power and applications in electirical energy systems
Kısa dönem rüzgar gücü tahmininde birleştirilmiş yaklaşımlar ve elektrik enerji sistemlerindeki uygulamaları
AKIN TAŞCIKARAOĞLU
Doktora
İngilizce
2013
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET UZUNOĞLU
DR. ŞEREF NACİ ENGİN
- Genetik algoritma ve yapay sinir ağı ile uyarlanabilir nöro bulanık çıkarım sistemlerine dayalı yük tahmini: Irak örneği
Load forecasting based on genetic algorithm ga artificial neural network ann adaptive neuro-fuzzy inference systems anfis : A case study in Iraq
AHMED MAZIN MAJID AL -QAYSI
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALTUĞ BOZKURT
DR. ÖĞR. ÜYESİ YAVUZ ATEŞ
- Endüstriyel mikro şebekelerde dinamik enerji yönetim modeli önerisi ve örnek uygulama
A dynamic energy management model proposal for energy management in industrial microgrids and a case study
ZEYNEP BEKTAŞ
Doktora
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU