Predicting and analysis electrical energy consumption by using data mining algorithms
Başlık çevirisi mevcut değil.
- Tez No: 832422
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, güç tüketimini etkinliğe göre sınıflandırmak amacıyla ilgili verileri çeşitli formatlarda toplar ve sunar. Her aşamanın grafiksel olarak nasıl tasvir edileceğini ve elektrik verilerinin herkesi tatmin edecek şekilde nasıl sınıflandırılacağını belirlemek büyüleyici oldu. Gereksinimler. Bu, sorunların ve anormalliklerin tespitini kolaylaştırır ve elektrik tüketimini karşılaştırma sürecini basitleştirir. Önümüzdeki yıllarda elektrik, birincil enerji kaynağı olarak ön plana çıkmaya devam edecek. Akıllı devreler ve akıllı sayaçlar hem hizmet sağlayıcıya hem de müşteriye çok sayıda fayda sunmaktadır. Bu çalışma, elektrik kullanımını elektriksel yük profillerinin benzerliklerine dayalı olarak sınıflandırmak için sınıflandırma (özellikle beş algoritma) ve kümeleme teorisini, ortak çerçeve işlevi gören saat başına enerji tüketimi (%) ile birleştirdi. Herkesi sınıflandırdıktan sonra, her alt kümeye para ve enerjiden nasıl tasarruf edileceğine dair tavsiyeler sunabileceğiz. Sonuç olarak bireyler elektrik tüketimleri konusunda daha bilinçli olacak ve bunu azaltmak için adımlar atmaya motive olacaklardır. Analiz ve sonuç üretimi için Weka'yı kullanan bir kümeleme sonrası ve sınıflandırma çalışması, aşağıdakilere dayalı yinelemeli bir teknik kullanır: Anormallikleri tanımlamak ve bunları daha kabul edilebilir sınıflara yeniden tahsis etmek için hesaplamalı sınıflandırma hesaplaması. Karşılaştırıldığında Karar Ağacı, Destek Vektör Makinesi, Naive Bayes, Rastgele Orman ve Hibrit aynı sonuçları veren beş sınıflandırma tekniğidir. Güç tüketimini kategorilere ayırmak, insan davranışı ile elektrik tüketimi arasındaki ilişkinin daha derinlemesine anlaşılmasına olanak tanır. Her bir tüketicinin benzersiz özelliklerine dayalı olarak zamanında ve ilgili tavsiyeler sunarak enerji tasarrufu danışmanlık hizmetinin kalitesini ve müşteri deneyimini artırır.
Özet (Çeviri)
This study accumulates and presents pertinent data in a variety of formats for the purpose of classifying power consumption by activity. It has been fascinating to determine how to graphically depict each stage and classify electrical data in a way that satisfies all requirements. This facilitates the detection of issues and anomalies and simplifies the process of comparing electricity consumption. In the coming decades, electricity will continue to gain prominence as a primary energy source. Smart circuits and smart meters offer numerous benefits to both the utility and the customer. This study combined classification (specifically five algorithms) and clustering theory, with energy consumption per hour (%) functioning as the common framework, in order to classify electricity use based on the similarities of electrical load profiles. After classifying everyone, we will be able to offer each subset advice on how to save money and energy. Consequently, individuals will be more aware of their electricity consumption and motivated to take steps to reduce it. A post-clustering and classification study that uses Weka for analysis and result generation employs an iterative technique based on computational classification calculation to identify anomalies and reallocate them to more acceptable classes. When compared, Decision Tree, Support Vector Machine, Naive Bayes, Random Forest, and Hybrid are the five classification techniques that yield identical results. Categorizing power consumption permits a deeper understanding of the relationship between human behavior and electricity consumption. It improves the quality of the energy conservation consulting service and the customer experience by providing timely, relevant advice based on the unique characteristics of each individual consumer.
Benzer Tezler
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Studies on the cuttability of rocks at O.A.L. Çayırhan district by laboratory cutting tests
Başlık çevirisi yok
KÜRŞAD CEYLAN
Yüksek Lisans
İngilizce
1987
Maden Mühendisliği ve MadencilikOrta Doğu Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ BÖLÜKBAŞI
- Havuçların haşlanmasında difüzyonun modellenmesi
Başlık çevirisi yok
FİGEN KAYMAK
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUZAN KINCAL
- Arpada diallel melez analizleri ile bazı tarımsal özelliklerin kalıtımı üzerinde araştırmalar
Başlık çevirisi yok
KAYIHAN Z. KORKUT
Doktora
Türkçe
1981
ZiraatEge ÜniversitesiBitki Islahı ve Genetik Ana Bilim Dalı
PROF. DR. İBRAHİM DEMİR
- Ankara Üniversitesi'nde spor yapan öğrencilerin beslenme durumları ve fiziki performansları üzerinde bir araştırma
A Research on the nutritional status and physical performance of the students who were active in sports at the University of Ankara
BÜLENT ASMA
- Meteorolojik verilerin ısıl değerlendirilmesi ve bilgisayarda simülasyonu
Başlık çevirisi yok
KAYA SARICALI