Geri Dön

Development of regression model for electrical load forecasting during the COVID-19 pandemic lockdown

Başlık çevirisi mevcut değil.

  1. Tez No: 821923
  2. Yazar: SAIF MOHAMMED SALMAN AL- AZZAWI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YUSUF GÜRCAN ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Gelişim Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 121

Özet

Yeni koronavirüs (COVID-19) salgını, dünya çapında kamu hizmetleri ve şebeke operatörleri için benzeri görülmemiş zorluklar yarattı. Bu tezde, yük tahmini problemine odaklanıyoruz. Katı sosyal mesafe kısıtlamaları nedeniyle, dünya çapındaki güç tüketimi profilleri hem büyüklük hem de günlük kalıplar açısından değişti. Bu değişiklikler, kısa vadeli yük tahmininde önemli zorluklara neden olmuştur. Algoritmalar tipik olarak hava durumunu, zamanlama bilgilerini ve önceki tüketim seviyelerini girdi değişkenleri olarak kullanır, ancak pandemi sırasında sosyoekonomik davranıştaki büyük ve ani değişiklikleri yakalayamazlar. Bu tezde, tahmin algoritmalarının mevcut yapı taşlarını tamamlamak için ekonomik faaliyetlerin bir ölçüsü olarak bir regresyon modeli sunuyoruz. Böyle bir veri kümesiyle ilgili en büyük zorluk, son pandemi ile yalnızca sınırlı hareketlilik kayıtlarının ilişkili olmasıdır.

Özet (Çeviri)

The coronavirus (COVID-19) outbreak has presented unprecedented challenges to utilities and grid administrators worldwide. One area of particular concern is load forecasting, as the pandemic has caused significant changes in the magnitude and daily power consumption patterns due to strict social distancing measures. These changes have introduced complexities in accurately predicting short-term electricity demand. Traditionally, load forecasting algorithms rely on weather conditions, timing information, and historical consumption levels to make predictions. However, these algorithms struggle to capture the large and abrupt shifts in socioeconomic behavior during the pandemic. This limitation is due to the lack of available data on mobility, a crucial factor in understanding economic activity during this period. To address this challenge, this dissertation proposes introducing a regression model as an additional measure of economic activity. By incorporating this model into existing forecasting algorithms, we aim to enhance their accuracy and robustness in capturing the effects of the pandemic on electricity demand. However, one of the main obstacles in utilizing such a dataset is the scarcity of mobility records specifically associated with the recent pandemic. By exploring alternative data sources and developing innovative approaches, this dissertation seeks to overcome the limitations posed by the lack of mobility records. The goal is to improve load management forecasting capabilities during significant socioeconomic shifts, such as the ongoing pandemic. This research aims to contribute to advancing load forecasting methodologies and provide valuable insights for utilities and grid administrators grappling with the challenges posed by the COVID-19 pandemic.

Benzer Tezler

  1. Elektrik üretim sistemlerinin optimal planlamasında yeni bir modelleme ve çözüm

    Başlık çevirisi yok

    SEMRA ÖZTÜRK

    Doktora

    Türkçe

    Türkçe

    1989

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik Ana Bilim Dalı

    PROF. DR. NESRİN TARKAN

  2. Energy demand forecasting in fog computing based microgrids using ensemble learning

    Sis bilişimi tabanlı mikro şebekelerde topluluk öğrenme ile enerji talep tahmini

    TUĞÇE KESKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  3. Forecasting-based hybrid model predictive controller for microgrid energy management

    Mikro şebeke enerji yönetimi için tahmine dayalı hibrit model öngörümlü kontrol algoritması

    AYŞEGÜL KAHRAMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CÜNEYT GÜZELİŞ

    DR. ÖĞR. ÜYESİ EMRAH BIYIK

  4. Dağıtım sisteminin özelleştirilmesi ve yapay sinir ağları ile yük tahmini

    Distribution system and long term load forecasting using artificial neural network

    HİLAL AYBİKE AKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZ TAPLAMACIOĞLU

  5. Elektrik enerjisi dağıtım sistemlerinde profil katsayılarının belirlenmesi için zaman serilerine dayalı tüketim tahmin modellerinin geliştirilmesi

    Development of time series based consumption forecasting models for determining profile coefficients in electrical energy distribution systems

    GÜLSÜM YILDIRIZ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiDüzce Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ ÖZTÜRK