Small area lood forecasting for distribution system planning using neural networks
Dağıtım sistemleri planlamasına yönelik uzun dönem yük tahminlerinin sinirsel gözeli ağlar yapısı kullanılarak yapılması
- Tez No: 75900
- Danışmanlar: PROF. DR. NEVZAT ÖZAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Küçük alan yük tahmini, geri yayılmalı öğrenme algoritması, yapay sinirsel gözeli ağlar yapısı, Small area load forecasting, back propagation algorithm, artificial neural networks
- Yıl: 1998
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
Bu tezde, bir sinirsel gözeli ağlar yapısı kullanılarak, uzun dönem yük tahmini için yeni bir teknik önerildi. Planlamacının bilgisi ve tecrübesi kullanılarak evsel müşterilerin alt grupları belirlendi. Bu alt gruplar dağıtım transformatörlerinin beslediği alanlar ölçü alınarak küçük alanlara bölündü. Seçilen küçük alanların karakteristiğini yansıtan çok çeşitli sayıda yük gelişim senaryoları hazırlandı ve bu senaryolar geri yayılmak öğrenme algoritması kullanan bir sinirsel gözeli ağlar yapışım eğitmek için kullanıldı. Son olarak, bu yapı seçilen prototip alanlar ile benzerlik gösteren diğer küçük alanlar için çalıştırıldı. Ankara'nın farklı sosyo-ekonomik yapılara sahip yerleşim alanları, yük gelişim karakterlerini analiz etmek ve sinirsel gözeli ağların eğitici dosyalarını hazırlamak için kullanıldı. Tasarlanan sinirsel gözeli ağların öğrenme performansları test edildi ve üç tabakalı geri yayılmak öğrenme algoritması bu tür uygulamalar için en uygun sonuçları verdi. Planlamacının sezgileri yerine yapay sinirsel gözeli ağlar yapısının kullanılması bu çalışmanın en önemli özelliğidir.
Özet (Çeviri)
In this study, a new algorithm in small area load forecasting is proposed by using supervised neural network architecture. Types of the residential customers are classified by using the forecaster knowledge and experience. Subclasses of the residential areas are divided into small areas according to the distribution transformer sizes. Variety of scenarios are generated for the chosen prototype small area and these are used for the training of back propagation algorithm of supervised neural network. Finally, trained network is run for the other small areas which are similar to the chosen prototype areas. Residential areas of Ankara having different socio-economic characteristics are chosen for analyzing the load growth character, and generating the framing files for the neural networks. Learning performances of the designed networks are tested and three layer back propagation alghorithm is found to be most suitable for the small area load forecasting applications. The important future of this study is utilizing the artificial neural networks in place of the forecaster intuition.
Benzer Tezler
- Asma kablolar ile desteksiz kulelerin hesabı ve tasarımı
Başlık çevirisi yok
İLKAY YILMAZ
Yüksek Lisans
Türkçe
1988
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN SUNGUR
- Küçük alan tahmin teknikleri ve birleşik sentetik tahmin ediciler
Small area estimation and composite synthetic estimators
METİN KABALCI
- Türkiye'de il bazında bazı temel sosyo-ekonomik göstergelerin küçük alan tahmini
Small area estimation of some socio-economic indicators at province level in Turkey
GÜLSER PINAR YILMAZ EKŞİ
- Küçük alan kestirim teknikleri ve Bolu İli işsizlik oranının kestirimi üzerine bir uygulama
Small domain estimation techniques and an application for estimating the unemployment rate in bolu province
VOLKAN SEVİNÇ
Yüksek Lisans
Türkçe
1998
İstatistikAnadolu Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MAHİR ULUSOY