Short-term forecast for Turkey's electricity demand DNN VS LSTM
Türkiye'nin kısa vadeli elektrik talep tahmini DNN VS LSTM
- Tez No: 797587
- Danışmanlar: DOÇ. DR. GÖKHAN KİRKİL
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Mühendislik Bilimleri, Energy, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enerji ve Sürdürülebilir Kalkınma Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
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
- 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
2024
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR ABACI
- Modelling and forecasting the energy demand for Turkey
Türkiye için enerji talebi modellemesi ve tahmini
İSMAİL KAVAZ
Doktora
İngilizce
2018
EkonometriAnkara Yıldırım Beyazıt Üniversitesiİktisat (İngilizce) Ana Bilim Dalı
PROF. DR. ERDAL TANAS KARAGÖL
- Türkiye elektrik piyasasında kapasite mekanizması uygulaması ve santral gelirlerine katkısına ilişkin inceleme
Capacity mechanism in turkish electricity market and its contribution to power plant revenues
HÜSEYİN VOLKAN YİĞİT
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- 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
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Türkiye enerji sektörünün stratejik konumu ve yapay sinir ağı modelleriyle enerji tüketiminin tahmini
Turkish energy sector strategic position and neural network prediction of energy consumption models with
HATİCE GENÇ KAVAS
Doktora
Türkçe
2019
EnerjiSivas Cumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜDAVERDİ BİRCAN