Estimation of electric consumption of the firms operating in different sectors with machine learning algorithms
Farklı sektörlerde faaliyet gösteren firmaların makine öğrenme algoritmaları ile elektrik tüketimlerinin tahmini
- Tez No: 782498
- Danışmanlar: DOÇ. DR. MEHMET GÜRAY ÜNSAL
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Başkent Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı
- Bilim Dalı: Teknoloji ve Bilgi Yönetimi Bilim Dalı
- Sayfa Sayısı: 78
Özet
Firmaların etkin bir yol haritası çizebilmesi için elektrik tüketim miktarlarını en iyi seviyede tahmin edebilmesi gerekmektedir. Elektrik tüketim tahmini ne kadar başarılı olursa firmaların maliyeti de o kadar düşük olmaktadır. Bu yüzden elektrik tüketim tahminini en başarılı şekilde tahmin edebilmek günümüz rekabetçi piyasalarda bütük önem arz etmektedir. Gerçek zamanlı dengesizlikleri tahmin eden doğru tüketim tahmini, diğer firmalara karşı rekabet avantajı sağlayacaktır. Bu çalışmada, kısa vadeli tüketim tahmini yapmak ve yöntemlerin doğruluğunu test etmek için Makine Öğrenmesi (ML) yöntemleri önerilmekte, Türkiye'de çeşitli sektörlerden firmaların (şirketlerin) saatlik tüketim tahminleri yapılmakta ve sonuçlar değerlendirilmektedir. Farklı yöntemler farklı zamanlarda iyi performans gösterseler bile, tutarlı bir şekilde aynı performansı gösteremezler. Bu tez çalışmada, Aşırı Gradyant Destekleme Regresyonu ve Gradyant Destekeleme Regresyonu yöntemlerini kullanarak ortalama mutlak hata (performans ölçüm göstergesi olarak) sonuçları değerlendirilmekte ve sonuçları yorumlanmaktadır. Programlama kodları Python programlama dilinde yazılmıştır. Gelecek dönemler için elektrik tüketimi tahmini ve benzeri çalışmalarda makine öğrenmesi yöntemlerinin kullanılmasının uygun olduğu gözlemlenmektedir.
Özet (Çeviri)
Firms or companies need to be able to draw a sustainable and effective roadmap and to estimate the electricity consumption amounts at the best level. The more successful the electricity consumption estimation is, the lower the cost of the companies. That's why it's so important in today's world. Accurate consumption estimating real-time imbalances will provide a competitive advantage with other retail sales companies. In this study, Machine Learning (ML) methods are proposed to make short-term consumption estimation and to test the accuracy of the methods, hourly consumption estimations of firms (companies) from various sectors in Turkey are made and the results are evaluated. Even if different methods perform well at different times, they cannot consistently perform the same. In this thesis study, we evaluate the results of mean absolute error (as performance measurement indicator) using Extreme Gradient Boosting Regression (XGBR) and Gradient Boosting Regression (GBR) methods and interpreted the results. The programming codes are written in Python programming language. It is observed that it is a suitable to use ML methods for the estimation of electricity consumption for future periods and similar studies.
Benzer Tezler
- Demir çelik sektörü ve demir çelik sektöründe sermaye maliyeti
Iron and steel sector and cost of capital in iron and steel sector
ALİ DİKMEN
Yüksek Lisans
Türkçe
2002
İşletmeMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
YRD. DOÇ. DR. MAHMUT HAYATİ ERİŞ
- Güneş enerjisiyle desteklenen insansız hava aracı tasarım ve üretimi
Solar powered UAV design and production
FATİH BAYKAL
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN
- Gemi elektrik şebekelerinde derin öğrenme uygulamaları
Deep learning applications on ship electric grids
TAYFUN UYANIK
Doktora
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. ÖZCAN KALENDERLİ
- Yapay zeka algoritmaları kullanarak kompanzasyon kapasitörleri için kalan faydalı ömür kestirimi
Prediction of remaining useful lifetime for compensation capacitors using artificial intelligence algorithms
SERGEN ATAY
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BURCU ERKMEN
- Estimation of optimum borehole points using software solutions
Yazılım çözümlerini kullanarak optimum sondaj noktalarının belirlenmesi
FARİZ NAHMATOV
Yüksek Lisans
İngilizce
2015
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ TUMAÇ