Elektrik talebinin farklı yöntemler ile tahminlenmesi
Forecasting of electricity demand with different methods
- Tez No: 784955
- Danışmanlar: PROF. DR. GÜLTEKİN ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- 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
2019
Elektrik ve Elektronik MühendisliğiVan Yüzüncü Yıl ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RIDVAN SARAÇOĞLU
- 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
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- 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
2022
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM EMEKSİZ
- Fonksiyonel otoregresif model ile Türkiye elektrik talep tahmini
Forecasting Turkey electricity demand with functional autoregressive model
KERİME HENGİRMEN
Yüksek Lisans
Türkçe
2023
İstatistikMarmara Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. UFUK BEYAZTAŞ