Geri Dön

Elektrik talebinin farklı yöntemler ile tahminlenmesi

Forecasting of electricity demand with different methods

  1. Tez No: 784955
  2. Yazar: AYŞENUR GÜNDÜZ
  3. Danışmanlar: PROF. DR. GÜLTEKİN ÖZDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 115

Özet

Günümüz dünyasının en önemli problemi artan nüfus karşısında kısıtlı ve yetersiz kalan kaynakların nasıl planlanması gerektiğidir. Bu nedenle doğru talep tahmini özellikle depolanamayan kaynaklar söz konusu olduğunda hayati önem taşıyabilir. Depolanamayan kaynaklardan olan enerji, özellikle de elektrik enerjisi hayatın her alanında en önemli araçlardan ve maliyet kalemlerinden biri konumundadır. Öyle ki elektrik enerjisine ulaşılamaması durumu hayati problemlere yol açabilir. Doğru talep tahmini gereksiz yatırım maliyetinin önüne geçilmesini sağlayacaktır. Bunun yanı sıra elektrik enerjisinin fazla miktarlarda depolanamaması üretilen enerjinin israf edilmesi anlamına gelecektir. Bu durumda elektrik enerjisine olan talebin doğru şekilde tahmin edilmesi çok büyük önem taşımaktadır. Bu çalışmada elektrik talep tahmininde kullanılan popüler yöntemler kullanılarak Türkiye elektrik talep tahmini için en uygun yöntem aranmıştır. Çalışma kapsamında farklı talep tahmini problemleri üzerinde başarısı kanıtlanmış; yapay sinir ağları (NAR ve NARX), ANFIS ve ARIMA yöntemleri Türkiye için elektrik talep tahmini probleminde kullanılmış ve bu yöntemler arasından bu problemi en iyi çözen yöntem MAPE (ortalama mutlak yüzde hata) ölçüsü kullanılarak karşılaştırılmıştır. Yapılan karşılaştırmanın sonucunda en düşük MAPE değerini veren yöntem Türkiye'nin elektrik talebini tahmin etmek için kullanılacak en uygun yöntem olarak belirlenmiştir. Yapılan karşılaştırmaların sonucunda, yapay sinir ağları yöntemi kullanılan diğer yöntemlere göre çok daha düşük bir MAPE değerine ulaşılmasını sağlamıştır. Bu nedenle bu çalışmanın sonucunda Türkiye'nin elektrik talep tahmininde kullanılması en uygun yöntemin YSA yöntemi kapsamında bulunan NARX yöntemi olduğu sonucuna varılmıştır. NARX yöntemini bir diğer YSA yöntemi olan NAR yöntemi takip etmiştir. Yöntemlerin başarı sıralaması ise; NARX, NAR, ANFIS (Sub clustering), ARIMA (0,2,1), ARIMA (1,2,1) ve ANFIS (Grid Partition) şeklinde gerçekleşmiştir.

Özet (Çeviri)

The most important problem of today's world is how to plan the limited and insufficient resources in the face of increasing population. One of the most important headings of this problem is not wasting resources, as well as meeting the ever-increasing demand of the ever-increasing population. That's why accurate demand forecasting can be vital, especially when it comes to non-storable resources. Energy from non-storable sources, especially electrical energy, is one of the most important tools and cost items in all areas of life. So much so that the lack of access to electrical energy can lead to life-threatening problems. In addition, since the electrical energy cannot be stored in large quantities, it will mean wasting the energy produced. In this case, it is very important to forecast the demand for electrical energy accurately. In this study, using popular methods used in electricity demand forecasting, the most suitable method for electricity demand forecasting for Turkey has been sought. Within the scope of the study, its success on different demand forecasting problems has been proven; artificial neural networks, ANFIS and ARIMA methods were used for the electricity demand forecasting problem for Turkey and the best solution among these methods was determined by using the MAPE (average absolute percent error) measure. As a result of the comparison, the method that gives the lowest MAPE value has been determined as the most appropriate method to be used to estimate Turkey's electricity demand. As a result of the comparisons, the artificial neural network method has provided a much lower MAPE value compared to other methods used. It has been concluded that the most appropriate method to be used in Turkey's electricity demand forecasting is the NARX method, which is within the scope of artificial neural networks method. The NARX method was followed by another artificial neural network method, the NAR method. The success order of the methods is; NARX, NAR, ANFIS (Sub-clustering), ARIMA(0,2,1), ARIMA(1,2,1) and ANFIS (Grid Partition).

Benzer Tezler

  1. Adaptive equivalent consumption minimization strategy with driving pattern recognition for hybrid electric vehicles

    Hibrit elektrikli araçlar için sürüş tanıma ile uyarlanabilir eşdeğer yakıt tüketimi minimizasyonu stratejisi

    BARIŞ KALAYCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN SEZER

  2. Rüzgar hızının farklı yöntemlerle tahminlenmesi ile ilgili örnek bir uygulama

    A sample practice about estimation of wind speed with different methods

    MUHAMMED CİHAT ALTIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiVan Yüzüncü Yıl Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RIDVAN SARAÇOĞLU

  3. Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini

    Short term solar energy prediction by using artifical neural networks

    ELA NUR ORUÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÖZTOPAL

  4. Derin öğrenme tabanlı hibrit tahminleme modeli kullanarak rüzgar hızı tahminlemesi

    Wind speed forecasting using a deep learning-based hybrid forecasting model

    MUHAMMED MUSA FINDIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CEM EMEKSİZ

  5. Fonksiyonel otoregresif model ile Türkiye elektrik talep tahmini

    Forecasting Turkey electricity demand with functional autoregressive model

    KERİME HENGİRMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İstatistikMarmara Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. UFUK BEYAZTAŞ