Geri Dön

Makine öğrenmesi algoritmaları kullanılarak 2040 yılına kadar Türkiye'nin enerji talep tahmini

Turkey's energy demand forecast until 2040 using machine learning algorithms

PDF İndir

  1. Tez No: 812322
  2. Yazar: HAKAN ERDEMCİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ALİ KARAMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Batman Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Nüfusun artışı ile birlikte sanayileşmenin hızla artması enerji ihtiyacını da artmıştır. Bununla birlikte ortaya çıkan bu enerji ihtiyacını karşılayabilmek için ön görülebilecek enerji tahminlerini yapabilmek için makine öğrenme algoritmaları ön plana çıkmıştır. Parçacık sürü optimizasyonu (PSO), yapay sinir ağları (YSA) ve destek vektörü regresyonu (DVR) bu algoritmalar içerisinde yer almaktadır. Bu çalışmada PSO, YSA ve DVR algoritmaları kullanılarak Türkiye'nin 2020-2040 yılları arasında elektrik enerjisi talep tahminlemesi yapılmıştır. Bu tahminleme işlemlerinin yapılabilmesi için 1980-2019 yılları arasında yıllık elektrik tüketim verileri TEİAŞ'tan (Türkiye Elektrik İletim Anonim Şirketinden), nüfus verileri TÜİK'ten (Türkiye İstatistik Kurumundan), ihracat, ithalat, gayri safi yurtiçi hâsıla (GSYH) verileri Dünya Bankası açık veri kümesinden alınmıştır. PSO, YSA ve DVR enerji talep modelleri nüfus, ihracat, ithalat, GSYH verileri kullanılarak geliştirilmiştir. Türkiye'nin sosyoekonomik durumu göz önünde bulundurularak enerji talebi üç farklı senaryoya göre düzenlenmiştir. PSO, YSA ve DVR yöntemlerinin performans sonuçlarını değerlendirebilmek için Kök Ortalama Kare Hata (KOKH), Ortalama Kare Hata (OKH) ve Ortalama Mutlak Hata (OMH) hata metrikleri ve R2 değerleri karşılaştırıldı. Hata metrik değerleri incelendiğinde YSA'nın diğer yöntemlere kıyasla daha başarılı sonuçlar verdiği söylenebilir. 1980-2019 yılları arasında gerçekleşen, bağımsız girdi parametreleri olan nüfus, ihracat, ithalat ve GSYH değerleri ile bağımlı çıktı olan enerji tüketimi arasındaki ilişki korelasyon matrisi kullanılarak incelenmiştir. Korelasyon matrisinde 0,991 değeri ile ihracat ve enerji tüketimi arasında güçlü bir doğrusal ilişki olduğu gözlemlenmiştir. Ayrıca Çoklu regresyon denklemleri oluşturulmuştur. Parametreleri (X1, X2, X3, X4) olan ithalat, ihracat, GSYH, nüfus) bazında F denklemi üzerinden tahminin performans değerlendirmesi yapılmıştır. Dört parametreyi (X1, X2, X3, X4) içeren regresyon denklemi en yüksek (0,995) R2 değerine sahip olup kapsamlı bir temsiliyete sahip olduğu anlaşılmıştır.

Özet (Çeviri)

The rapid increase in industrialization, coupled with population growth, has led to an increased energy demand. However, machine learning algorithms have come to the forefront to make anticipatory energy predictions to meet this emerging energy demand. Particle Swarm Optimization (PSO), Artificial Neural Networks (ANN), and Support Vector Regression (SVR) are among these algorithms. In this study, electricity demand forecasting for Turkey between 2020 and 2040 was conducted using the PSO, ANN, and SVR algorithms. To perform these prediction processes, annual electricity consumption data from 1980 to 2019 were obtained from TEIAS (Turkey Electricity Transmission Corporation), population data from TUIK (Turkish Statistical Institute), and export, import, gross domestic product (GDP) data from the World Bank open data set. PSO, ANN, and SVR energy demand models were developed using population, export, import, and GDP data. Considering Turkey's socioeconomic situation, the energy demand was adjusted according to three different scenarios. Root Mean Square Error (RMSE), Mean Square Error (MSE), Mean Absolute Error (MAE), and R2 values were compared as error metrics to evaluate the performance results of the PSO, ANN, and SVR methods. When examining the error metric values, it can be said that ANN provides more successful results compared to the other methods. The correlation matrix was used to examine the relationship between energy consumption, which is the dependent output, and independent input parameters such as population, export, import, and GDP values that occurred between 1980 and 2019. A strong linear relationship between export and energy consumption was observed with a correlation value of 0.991 in the correlation matrix. Additionally, multiple regression equations were formed. Performance evaluation of prediction based on the four parameters (X1, X2, X3, X4) of import, export, GDP, and population was conducted using the F equation. The regression equation containing all four parameters had the highest R2 value of 0.995, indicating a comprehensive representation.

Benzer Tezler

  1. Tez No

    842624

    Arazi örtüsü/arazi kullanımı ve arazi yüzey sıcaklıkları ilişkisinin zamansal-mekansal analizi ve gelecek için modellenmesi

    Spatio-temporal analysis of the relationship of land use/land cover and land surface temperatures and its modeling for the future

    NAGİHAN ASLAN

    Doktora

    Türkçe

    Türkçe

    2023

    Astronomi ve Uzay BilimleriAkdeniz Üniversitesi

    Uzay Bilimleri ve Teknolojisi Ana Bilim Dalı

    PROF. DR. DİLEK KOÇ SAN

  2. Tez No

    736597

    Effect of lignin, extractive matter, holocellulose, and alpha cellulose of biomass on calorific value

    Biyokütlenin içeriğindeki lignin, ekstraktif madde, holoselüloz ve alfa selülozun kalorifik değer üzerindeki etkisi

    ÖZLEM ECEM KAYNAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Kimya Mühendisliğiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR YAMAN

  3. Tez No

    825118

    Lumbar vertebraların bilgisayarlı tomografi görüntülerinden ölçülen yükseklik ve derinlik değerlerinin yapay zeka ile cinsiyet tayininde kullanılabilirliği

    'Usability of height and depth values measured fromcomputerized tomography images of lumbar vertebra ingender determination by artificial intelligence

    AYSUN KARACA YALÇIN

    Doktora

    Türkçe

    Türkçe

    2023

    Adli TıpOndokuz Mayıs Üniversitesi

    Radyolojik Bilimler Ana Bilim Dalı

    PROF. DR. BÜNYAMİN ŞAHİN

    DOÇ. DR. MUHAMMED KAMİL TURAN

  4. Tez No

    831963

    Makine öğrenmesi algoritmaları kullanılarak üniversite bölüm tercihi tahmini.

    Prediction of undergraduate major selection via machine learning algorithms

    HARUN ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBitlis Eren Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. RIDVAN UMAZ

    DR. ÖĞR. ÜYESİ AYŞE SALİHA SUNAR

  5. Tez No

    818818

    Estimation of the critical properties of compounds using machine learning algorithms

    Makine öğrenmesi algoritmaları kullanılarak bileşiklerin kritik özelliklerinin tayini

    ROUA ALHALOUSH

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Kimya MühendisliğiYıldız Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN SADIKOĞLU

Geri Dön