Geri Dön

Short-term forecast for Turkey's electricity demand DNN VS LSTM

Türkiye'nin kısa vadeli elektrik talep tahmini DNN VS LSTM

PDF İndir

  1. Tez No: 797587
  2. Yazar: BERK DEDE
  3. Danışmanlar: DOÇ. DR. GÖKHAN KİRKİL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Enerji, Engineering Sciences, Energy
  6. Anahtar Kelimeler: Doğrusal olmayan zaman serileri, Talep tahmini, Uzun kısa süreli bellek, Yapay sinir ağları, Yapay zeka, Non-linear time series, Demand estimation, Long- short term memory, Artificial neural networks, Artificial intelligence
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Enerji ve Sürdürülebilir Kalkınma Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma yapay zeka algoritmaları kullanarak Türkiye'nin kısa vadeli elektrik talebini tahmin etmeyi amaçlamaktadır. Elektrik sistemleri karmaşık yapılardır; bu nedenle, tahmin için birçok ayrıntı dikkate alınmalıdır. Elektrik talep tahmini, iklim, takvim etkisi (tatiller, haftanın günü vb.), demografik veriler ve ekonomik veriler gibi birçok koşula bağlıdır. Türkiye, nispeten büyük ve kalabalık bir ülkedir ve nüfus dağılımı bazı bölgelerde yoğunlaşmış olup, iklim koşulları, nüfus ağırlıklı meteorolojik veriler bağımsız değişken olarak kullanılmıştır. Geleceği tahmin etmek zorlu bir iştir makine öğrenimi, verilerdeki kalıpları belirleyip analiz ederek sistemlerin nasıl davrandığını anlamamıza yardımcı olabilir. Bu çalışmada iki gelişmiş yapay sinir ağı modeli uygulandı: bir derin sinir ağı (DNN) modeli ve yığılmış (derin) uzun kısa süreli bellek (LSTM) modeli. Bu modellerin çıktıları olarak saatlik elektrik tüketim tahminleri elde edildi ve gerçek verilerle karşılaştırıldı. Bu karşılaştırma için ortalama kare hatası (MSE), ortalama mutlak hata (MAE) ve ortalama mutlak hata yüzdesi (MAPE) metrikleri kullanıldı. DNN modelinin yığın LSTM modelinden daha doğru tahmin ettiği gözlemlendi.

Özet (Çeviri)

This study aims to estimate Turkey's short-term electricity demand using artificial intelligence algorithms. Electrical systems are complex structures; therefore, many details must be considered for the prediction. Electricity demand forecasting depends on many conditions such as climate, calendar effect ( holidays, day of the week, etc.), demographic data, and economic data. Turkey is a relatively large and crowded country, whose population distribution is concentrated in some regions and climatic conditions,population-weighted meteorological data were used as independent variables. Predicting the future is challenging machine learning can help us understand how systems behave by identifying and analyzing patterns in data. Two advanced artificial neural network models were deployed in this study: a deep neural network (DNN) model, and stacked (deep) long short-term memory (LSTM) model. Their outputs provided estimates of hourly electricity consumption compared with the actual data. For this comparison, mean square error (MSE), mean absolute error (MAE), and mean absolute percentage error (MAPE) metrics were used. It was observed that the DNN model predicted more accurately than the stacked LSTM model.

Benzer Tezler

  1. Tez No

    863672

    Capacity analysis in Turkey for carbon fiber production considering offshore wind turbines demand forecast

    Açık deniz rüzgar türbinleri talep tahminine göre Türkiye'de karbon elyaf üretimi için kapasite analizi

    SEZGİN KARABACAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜR BERSAM SİDAL

  2. Tez No

    524562

    Modelling and forecasting the energy demand for Turkey

    Türkiye için enerji talebi modellemesi ve tahmini

    İSMAİL KAVAZ

    Doktora

    İngilizce

    İngilizce

    2018

    EnerjiAnkara Yıldırım Beyazıt Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. ERDAL TANAS KARAGÖL

  3. Tez No

    893107

    Kısa ve uzun dönem yük tahmini sonuçlarına göre bir bölge için hibrit yenilenebilir enerji üretim modellerinin optimal tasarımı ile analizi

    Optimal desing and analysis of hybrid renewable energy production models for a region based on short and long-term load forecast results

    AYKAN BÖLÜKBAŞI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiMersin Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KADİR ABACI

  4. Tez No

    322858

    Manisa Soma bölgesi için meso ölçek sayısal hava tahmin modeli (WRF) ve hesaplamalı akışkanlar dinamiği modeli (WINDSIM) kullanılarak kısa vadeli rüzgar enerjisi tahmini

    Short term wind energy prediction system for Manisa Soma region by using numerical weather prediction model (WRF) and computational fluid dynamics(WINDSIM) model

    BAHTİYAR EFE

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. Ş. SİBEL MENTEŞ

  5. Tez No

    595740

    Short term electrıcıty consumptıon forecastıng usıng long short-term memory cells

    Uzun kisa vadeli̇ hafiza ağlari i̇le kisa vadeli̇ elektri̇k tüketi̇m tahmi̇ni̇

    ANIL TÜRKÜNOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilimi ve Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURAK BARUTÇU

Geri Dön