Davranış ve alışkanlıkların konutlarda elektrik enerjisi tüketimine etkisinin incelenmesi
Investigation of the impact of occupants' behaviour and habits on residential electricity consumption
- Tez No: 849657
- Danışmanlar: PROF. DR. MERİH AYDINALP KÖKSAL
- Tez Türü: Doktora
- Konular: Enerji, Çevre Mühendisliği, Energy, Environmental Engineering
- Anahtar Kelimeler: ANFIS, ANFIS
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Çevre Teknolojisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Konut sektörü elektrik tüketimi, toplam enerji tüketiminin içinde % 30'a yakın bir paya sahiptir. Türkiye'de konut elektrik tüketimi ise son on yılda %27 oranında artmıştır. Türkiye'de konut sektörünün toplam elektrik tüketimi içindeki payı %22'ye ulaşmıştır. Bu artışı yavaşlatmaya yönelik girişimlerden biri; hanehalkına enerji tasarrufu önlemleri konusunda bilgi verme müdahale yöntemi uygulamaktır. Bu çalışmada, konut elektrik tüketiminde hanehalkı davranış ve alışkanlıklarının etkisi, bilgi verme müdahale yöntemi uygulanarak incelenmiştir. Ayrıca konut elektrik tüketimine etki eden faktörleri ve davranışsal değişikliklerin elektrik tasarruf potansiyeline olan katkısını anlamak için, daha önce elektrik tüketim davranışı çalışmalarında uygulanmayan Adaptive Neuro-Fuzzy Inference Systems (ANFIS) adı verilen bir yapay zeka modeli kullanılmıştır. Yalova'da 100 adet konuta, hanehalkı elektrik tüketim davranışı, ekonomik ve demografik verileri ile konutlardaki elektrikli cihazların özellikleri hakkında bilgi toplamak için tasarlanan anket uygulanmıştır. Konutların aylık elektrik tüketim verileri ilgili şirketlerden temin edilmiştir. Yüz yüze enerji tasarrufu bilgi verme müdahale yöntemi uygulanan konutların aylık elektrik tüketimlerine ilişkin analizler, bu konutların elektrik tüketiminde özellikle bilgi verme müdahale yönteminden sonraki ilk ayda % 10 oranında bir azalma olduğunu göstermektedir. Kullanılan ANFIS modelinin eğitim veri seti Root Mean Square Error (RMSE) değeri 0,038, test veri seti Mean Absolute Percentage Error (MAPE) değeri ise %22 olarak hesaplanmıştır. Bu durum kullanılan modelin iyi eğitildiğini ve tahmin performansının kabul edilebilir düzeyde olduğunu göstermektedir. Modele uygulanan davranış değişikliklerine yönelik senaryoların sonuçlarına göre %7 ile %35 oranları arasında konut elektrik tüketiminde tasarruf edilebileceği ortaya konmuştur. Bu çalışmanın, enerji tasarruf politikalarının oluşturulmasında ve konut sektöründe farkındalık oluşturmada önemli bir rol oynayabileceği düşünülmektedir.
Özet (Çeviri)
Residential sector accounts for 30% of the total energy consumption. In Turkey, residential electricity consumption has increased by 27% in last decade. Proportion of residential sector in total electricity consumption has reached 22% in Turkey. This study examines the impact of households behaviours on residential electricity consumption through an information intervention method. An artificial intelligence model called Adaptive Neuro-Fuzzy Inference Systems (ANFIS), which has not been previously applied in electricity consumption behaviour studies, is used to understand factors influencing residential electricity consumption and contribution of behavioural changes to electricity saving potential. A survey was conducted in 100 households in Yalova gathering information about household electricity consumption behaviour, economic, demographic data, and characteristics of electrical appliances in residential buildings. Monthly electricity consumption data of households were obtained from relevant companies. Analyses of monthly electricity consumption of households that received face-to-face energy-saving informational intervention method show a decrease of 10% in electricity consumption, particularly in first month after education. The ANFIS model has a Root Mean Square Error (RMSE) value of 0.038 for the training dataset, and a Mean Absolute Percentage Error (MAPE) value of 22% for the test dataset. These results indicate that model is well trained and prediction performance is at acceptable level. According to the results of the scenarios for behavioural changes applied to the model, it has been revealed that between 7% and 35% can be saved in residential electricity consumption. This study can play crucial role in formulating energy-saving policies and raising awareness in residential sector.
Benzer Tezler
- Syrian household energy consumption in Istanbul
İstanbul'da yaşayan Suriye hane halkının enerji tüketimi
EBRU ACUNER TÜRET
Doktora
İngilizce
2020
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET ÖZGÜR KAYALICA
- Development of a home energy management system to increase renewable self-consumption in households considering demand-side flexibility
Talep tarafı esnekliği dikkate alınarak konutlarda yenilenebilir öz tüketimi artırmaya yönelik bir ev enerji yönetim sistemi geliştirilmesi
ANIL CAN DUMAN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
- Denizli ilinde hanehalkı enerji tüketimi davranışları ve enerji tasarrufu potansiyeli
A survey on household energy consumption behaviour and energy savings potential in Denizli province
YASEMİN TEKİNKAYA
Yüksek Lisans
Türkçe
2016
EnerjiAdnan Menderes Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. MEHMET ERDEMİR GÜNDOĞMUŞ
- Halk eğitim merkezlerine devam etmekte olan yetişkinlerin ilk yardım eğitim ihtiyaçlarının saptanması (Mamak Halk Eğitim Merkez Kursları örneği)
Determining of the first aid educational needs of adults attending to adult training centres (The model of the central courses of Mamak adult training centre)
MESUDE ULUŞEN
Yüksek Lisans
Türkçe
2003
Eğitim ve ÖğretimAnkara ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ.DR. HAYAT BOZ
- Kullanıcı davranış analizi ile kişiselleştirilmiş indirim öneri sistemleri: Yapay zeka ve makine öğrenmesi yaklaşımı
Personalized discount recommendation system based on user behavior analysis: An artificial intelligence and machine learning approach
AHMET AKSOY
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF ALTUNEL