Bina enerji tüketim tahmini için makine öğrenmesi tekniklerinin incelenmesi
Investigation of machine learning techniques for building energy consumption estimation
- Tez No: 844165
- Danışmanlar: DOÇ. DR. AHMET ŞAKİR DOKUZ
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Niğde Ömer Halisdemir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Bilimi ve Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Enerji Bilim ve Teknoloji Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Binalardaki gereksiz enerji tüketimi, dünyada artan iklim değişikliği ve küresel ısınma sorunlarına neden olan önemli bir konudur. Bu nedenle, binalarda etkin enerji yönetimi yaklaşımlarının geliştirilmesi gerekmektedir. Enerji tüketiminin doğru tahmin edilmesi binaların enerji verimliliğinin artırılmasında önemli bir rol oynamaktadır. Son yıllarda, binaların enerji tüketimini tahmin etmek için standart fizik veya istatistiksel yöntemlerden daha doğru tahmin sonuçları sağlayacak veriye dayalı yöntemler önem kazanmıştır. Bu tez çalışmasında, Bina Enerji Yönetim Sistemine (BEYS) entegre edilecek saatlik bina enerji tüketimi tahminini gerçekleştirmek için makine öğrenimi yöntemleri karşılaştırılmaktadır. Rastgele Orman (RO), Gradyan Artırma Ağacı (GAA), Destek Vektör Makinesi (DVM), Yapay Sinir Ağı (YSA) ve Derin Sinir Ağı (DSA) yöntemleri ve bir örnek binadaki bir yıllık enerji tüketim verileri kullanılarak tahmin işlemi gerçekleştirilmiştir. Enerji tüketiminin doğru tahmini için meteorolojik, zamansal ve klima talep bilgileri olmak üzere üç kategorideki parametreler kullanılmıştır. Deneysel sonuçlar, makine öğrenmesi yöntemlerinin, bir binanın toplam enerji tüketimini tahmin etmekte yüksek performansla başarılı olduklarını göstermiştir.
Özet (Çeviri)
Redundant consumption of energy in the buildings is an important issue that causes to the increasing problems of climate change and global warming in the world. Therefore, it is necessary to develop efficient energy management approaches in the buildings. Accurate prediction of energy consumption plays an important role in improving the energy efficiency of buildings. In recent years, data-driven methods, which provide more accurate prediction results than standard physical or statistical methods, have become increasingly important in estimating the energy consumption of buildings. In this thesis, machine learning methods are compared to perform hourly building energy consumption estimation to be integrated into the Building Energy Management System (BEMS). Random Forest (RF), Gradient Boosted Trees (GBT), Support Vector Machine (SVM), Artificial Neural Network (ANN) and Deep Neural Network (DNN) methods and one year of energy consumption data from a sample building have been used for the prediction process. Three categories of parameters have been utilized for accurate prediction of energy consumption: meteorological, time and air-conditioning demand information. Experimental results have shown that machine learning methods are successful in predicting the total energy consumption of a building with high performance.
Benzer Tezler
- Estimation of commercial building energy consumption with machine learning
Makine öğrenimi ile ticari bina enerji tüketimi tahmini
YOUSIF MURSHID MUHEALDDIN MUHEALDDIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM BUYRUKOĞLU
DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER
- Building energy efficiency: A data-driven machine learning approach for energy optimization
Bina enerji verimliliği: Enerji optimizasyonu için veriye dayalı makine öğrenmesi yaklaşımı
AHMAD REZA DARABI
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Enhancing the prediction of energy efficiency in buildings using machine learning algorithms
Makine öğrenme algoritmaları ile binalarda enerji verimliliği tahminlemesinin geliştirilmesi
MOHAMMED TAQI MOHAMMED HASAN
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. SELİN NACAKLI
- Kamu kurumlarında makine öğrenmesi teknikleri kullanılarak elektrik tüketim tahmini ve bir uygulama
Estimation of electricity consumption in public institutions using machine learning techniques and an application
VİLDAN ARSLANTÜRK
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BETÜL TURANOĞLU ŞİRİN
- Gerçek zamanlı fiyat bilgisine dayalı talep tarafı katılımı yönetim sistemi geliştirilmesi
Development of a demand side management system based on real-time price information
MUSTAFA YASİN ERTEN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAT İNANÇ