Geri Dön

Bir ilin elektrik tüketim verilerinin makine öğrenmesi yöntemleri ile analizi

Analysis of a city's electricity consumption data with machine learning methods

  1. Tez No: 755771
  2. Yazar: KADİR ÇAĞRI GEZMEZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SELDA GÜNEY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Başkent Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Elektrik dağıtım şirketleri, sahip oldukları abonelerine, elektriksel tüketimlerini“Piyasa Yönetim Sistemi”aracılığı bildirmekle yükümlüdür. Elektrik dağıtım şirketleri, ay sonu tüketim değerleri olmayan, yani okuma verisi bulunmayan tüketicilerine, tüketim değerlerini tahmin metotlarıyla bildirmektedirler. Bu tezin amacı, Enerji Piyasası Düzenleme Kurumu'nun belirlemiş olduğu ve hala kullanılmakta olan tüketim tahminleme metodolojisinin yanı sıra makine öğrenmesi yöntemleri ile tahminleme yapmaktır. Bu çalışmada, makine öğrenmesi yöntemleri kullanılarak, doğrusal regresyon ve uzun-kısa süreli bellek (LSTM) yöntemleriyle, MATLAB ortamında analizler yapılmıştır. Başarı kriteri olarak Kök Ortalama Kare Hatası (Root Mean Square Error, RMSE), kriter olarak belirlenmiş ve kullanılan yöntemlerden en başarılı sonucu doğrusal regresyon analizi yöntemi sağlamıştır. Bu kapsamda yapılan çalışmalar ile doğrusal regresyon, uzun-kısa süreli bellek ve Enerji Piyasası Düzenleme Kurumu 'nun Tahminleme Metodolojisi yöntemlerinin karşılaştırması yapılmış olup, tutarlı ve başarılı sonuçlar elde edildiği gözlemlenmiştir.

Özet (Çeviri)

Electricity distribution companies are obliged to inform their subscribers about their electricity consumption through the“Market Management System”. Electricity distribution companies inform their consumers who do not have consumption values at the end of the month, that is, they do not have reading data, by estimating consumption values. The aim of this thesis is to make estimations with machine learning methods as well as the consumption forecasting methodology determined by the Energy Market Regulatory Authority and which is still being used. In this study, analyses were performed using machine learning methods, linear regression and long-short-term memory (LSTM) methods in MATLAB environment. Root Mean Square Error (RMSE) method was determined as the success criterion and linear regression analysis method provided the most successful result of the methods used. In this context, the studies of linear regression long short term memory and Energy Market Regulatory Authority's methodology, a comparison of estimation methods is made, and observed that consistent and successful results are obtained.

Benzer Tezler

  1. Türkiye'deki bir hane için tüm enerji ihtiyaçlarını karşılayabilecek sıfır emisyonlu şebekeden bağımsız hibrit enerji sisteminin uygulanabilirlik çalışması

    Feasibility study of an off-grid hybrid energy system with zero emissions to meet all energy demands of a household in Turkey

    GİRAY BATURAY ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiYalova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SUNAY TÜRKDOĞAN

  2. The impact of imigrants on illegal electricity consumption: Case of Syrian immigrant in Turkey

    Mültecilerin Türkiye'deki kaçak elektrik kullanımına etkileri: Türkiyedeki Suriyeli göçmen analizi

    AKIN CAN GENÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    EkonomiOrta Doğu Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ. DR. PINAR DERİN GÜRE

  3. Malatya ili trambüs hatlarının ekonomik uygulanabilirlik ve çevre etki analizi

    Economic viability and environmental impact analyse of Malatya province's tolleybus lines

    AZİZ KAĞAN GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Ulaşımİnönü Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖNDER HALİS BETTEMİR

  4. Developing regional electricity pricing by clustering methods, considering production, consumption and population: The case of Turkey

    Bölgesel elektrik fiyatlandırmasının bölgesel üretim, tüketim ve nüfusu dikkate alarak kümelenme yöntemleriyle geliştirilmesi: Türkiye örneği

    SALMAN HASAN ABDULHALEEM AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA BAYSAL

  5. Recurrent neural network based approaches for electricity consumption forecasting

    Tekrarlayan sinir ağı tabanlı elektrik tüketim tahmini

    ALPER TOKGÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE ÜNAL