Azerbaycan'da elektrik enerjisi tüketiminin yapay zeka yöntemleri ile analizi ve tahmini
Analysis and forecast of electric energy consumption in Azerbaijan with artificial intelligence methods
- Tez No: 782118
- Danışmanlar: DOÇ. DR. ERSİN NAMLI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Enerji, Industrial and Industrial Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Dünya çapında Elektrik enerjisinin tüketiminin artması, günlük elektrik üretimi miktarının belirlenmesinde zorluklar yaratıyor. En önemlisi optimum miktarda zaman göre elektrik üretimi yapmaktır. Bazı devletler elektrik enerjisi alanında ülke talepini karşılamakla birlikte, elektrik enerjisinin ihracatını yapıyor. Bu tez çalışmasında, Azerbaycanın yıllara ve bölgelere göre elektrik tüketim verileri alınmış, zaman serisi analizleri ve tahminleri uygulanmıştır. Derin öğrenme yöntemlerinden Uzun-Kısa Süreli Bellek (Long Short Term Memeory, LSTM), Otoregresif Hareketli Ortalamalar (Autoregressive Integrated Moving Average, ARIMA) ve Meta şirketinin geliştirdiyi Prophet modeli elektrik üretiminin tahmin edilmesi için geliştirilmiştir. Elde edilen sonuçlara göre LSTM tahmin modeli ve Prophet modeli performans ölçütlerine göre ARIMA'dan daha üstün bulunmuştur. Prophet modeli kullanım kolaylığı ve doğruluğu daha yüksek sonuçlar verdiğinden, kullanılan veri seti için en uygun model kabul edilmiştir. Gelecek yıllar için Azerbaycan elektrik tüketiminin kolaylıkla planlanması için, derin öğrenme ve veri görselleştirme tekniklerinin kullanıldığı bu çalışma enerji piyasası için önemli bir kaynak sağlamaktadır.
Özet (Çeviri)
The increasing consumption of electrical energy around the world creates difficulties in determining the daily amount of electricity production. The most important thing is to produce electricity in the optimum amount of time. While some states meet the country's demand in the field of electrical energy, they export electrical energy. In this thesis, electricity consumption data of Azerbaijan by years and regions were taken, time series analyzes and forecasts were applied. Among the deep learning methods, Long-Short-Term Memory (Long Short Term Memory, LSTM), Autoregressive Integrated Moving Average (ARIMA) and Prophet model developed by Meta company have been developed for estimating electricity generation. According to the results obtained, LSTM prediction model and Prophet model were found to be superior to ARIMA according to performance criteria. Since the Prophet model gives higher results with ease of use and accuracy, the most appropriate model was accepted for the data set used. This study, in which deep learning and data visualization techniques are used, provides an important resource for the energy market in order to easily plan the electricity consumption of Azerbaijan for the coming years.
Benzer Tezler
- Derin öğrenme tabanlı elektrik dağıtım trafo merkezlerinde yük tahmini: Azerbaycan örneği
Load estimation in electricity distribution substations using deep learning: The case of Azerbaijan
VUSAL ISAYEV
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK
- Makine öğrenmesi algoritmalarıyla elektrik tüketimi için talep tahmin modellemeleri ve yenilenebilir enerjinin artan önemi: Türkiye örneği
Demand forecasting modelling for electricity consumption with machine learning algorithms and the increasing importance of renewable energy: The case of Turkiye
İLKNUR YEŞİM DİNÇEL KIRATOĞLU
- Türkiye'de doğalgaz arz ve talep dengesi için deniz ulaştırma planlaması
Marine transportation planning for natural gas supply and demand equilibrium in Turkey
BANU TUTU
Yüksek Lisans
Türkçe
2003
Denizcilikİstanbul ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET PAKSOY
- Comparative analysis of XGBoost and LightGBM methods for day ahead spot natural gas price forecasting
Gün öncesi spot doğalgaz fiyatı tahminlemesinde LightGBM ve XGBoost metodlarının karsılastırılmalı analizi
DOĞUKAN ŞAHİN
Yüksek Lisans
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Doğalgaz enerjisi arz güvenliği
Natural gas energy supply securi̇ty
ÖZCAN DALMIŞ
Yüksek Lisans
Türkçe
2017
Petrol ve Doğal Gaz Mühendisliğiİskenderun Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
PROF. DR. ERGÜL YAŞAR