Geri Dön

Elektrik tüketiminin derin öğrenme yöntemleriyle tahmin edilmesi

Prediction of electricity consumption using deep learning methods

  1. Tez No: 859895
  2. Yazar: FATİH GÜLER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER ŞAHİNASLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Maltepe Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 88

Özet

Elektrik tüketiminin derin öğrenme yöntemleriyle tahmin edilmesi, enerji sektöründe önemli dönüşüm sağlayan kritik bir teknolojik yaklaşımdır. Günümüzde enerji kaynaklarının sürdürülebilir ve etkili bir şekilde kullanılması, enerji maliyetlerinin düşürülmesi ve çevresel etkilerin minimize edilmesi, toplumlar ve şirketler için temel bir önceliktir. Derin öğrenme, elektrik tüketimi tahmininde önemli bir araçtır. Bu yaklaşım, büyük miktarda veri kullanarak gelecekteki elektrik tüketimini tahmin etme yeteneğine sahiptir. Hava koşulları, mevsimsel değişkenler, önceki tüketim verileri ve diğer faktörleri içeren çeşitli veri kaynaklarından gelen veriyi analiz ederek, derin öğrenme modelleri, elektrik tüketimi tahminlerini hassaslaştırılır. Derin öğrenme yöntemleri aynı zamanda enerji yönetimi sistemlerinin geliştirilmesine de yardımcı olabilir. Anlık elektrik tüketimi verilerini izleyerek enerji tasarrufu fırsatlarını belirleyebilir ve enerji tüketimini optimize edebilirler. Bu, enerji maliyetlerinin azaltılmasına ve enerji kaynaklarının daha verimli kullanılmasına katkı sağlar. Sonuç olarak, elektrik tüketimi tahmini için derin öğrenme, anahtar bir teknoloji olarak öne çıkmaktadır. Enerji sektörünü dönüştürme potansiyeli taşıyan bu yaklaşım, önemli bir rol oynamaktadır. Gelecekte, elektrik tüketiminin daha iyi tahmin edilmesi, enerji verimliliğini artırmak ve sürdürülebilir enerji kullanımını teşvik etmek için hayati bir öneme sahip olacaktır.

Özet (Çeviri)

Predicting electricity consumption using deep learning methods is a critical technological approach that is driving significant transformation in the energy sector. Today, the sustainable and efficient use of energy resources, the reduction of energy costs, and the minimization of environmental impacts are fundamental priorities for both societies and businesses. Deep learning serves as a valuable tool in electricity consumption prediction. This approach has the capability to forecast future electricity consumption by analyzing a vast amount of data. By scrutinizing data from various sources, including weather conditions, seasonal variations, historical consumption data, and other factors, deep learning models can refine electricity consumption predictions. Furthermore, deep learning methods can also contribute to the enhancement of energy management systems. By monitoring real-time electricity consumption data, they can identify opportunities for energy savings and optimize energy consumption. This, in turn, contributes to cost reduction and more efficient utilization of energy resources. In conclusion, deep learning is emerging as a pivotal technology for electricity consumption prediction. This approach has the potential to transform the energy sector and plays a crucial role in shaping its future. Predicting electricity consumption more accurately will be of vital importance in increasing energy efficiency and promoting sustainable energy usage.

Benzer Tezler

  1. Gemi elektrik şebekelerinde derin öğrenme uygulamaları

    Deep learning applications on ship electric grids

    TAYFUN UYANIK

    Doktora

    Türkçe

    Türkçe

    2023

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. ÖZCAN KALENDERLİ

  2. Data-driven condition monitoring and fault diagnosis of VFD-FED induction motors

    Değişken frekanslı sürücü ile beslenen asenkron motorlarda veri odaklı durum izleme ve arıza tanılama

    ALPER SENEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞENİZ ERTUĞRUL

  3. Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  4. Tokat gaziosmanpaşa ünıversitesi hastanesi için hibrit derin öğrenme (CNN-LSTM) modeli ile enerji talep tahminlemesi

    Energy demand forecasting for tokat gaziosmanpaşa university hospital with hybrid deep learning (CNN-LSTM) model

    ORHAN YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZAFER DOĞAN

  5. A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ