Derin öğrenme tabanlı elektrik dağıtım trafo merkezlerinde yük tahmini: Azerbaycan örneği
Load estimation in electricity distribution substations using deep learning: The case of Azerbaijan
- Tez No: 864485
- Danışmanlar: DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin Öğrenme, Trafo Merkezleri Elektrik Tahmini, Yapay Sinir Ağları, Yinelemeli Sinir Ağları
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Elektrik enerjisi, çeşitli üretim santrallerinde üretilen, dağıtım hatları ile yerleşim veya sanayilere aktarılabilen ama kontrollü bir şekilde depolanmayan enerji kaynağıdır. Gelişmekte olan teknolojiliden, ağır sanayiden ve artar nüfustan dolayı genellikle tüm enerjiye bağımlılığımız arttığı gibi elektrik enerjisinde bağımlılığımız artmaktadır. Bundan kaynaklı olarak tüm dünyada ve ülkemizde elektrik enerjisi üretimini artırmağa çalışmaktadır. Enerji üretimi arttıkça ise bazı gerekli olan üretim kaynakları ise aynı oranda düşmektedir. Bundan dolayı enerji dağıtım ve iletim akıllı sayaçlar anlık takibi yapılarak arz talep dengesini anlık izleme imkânı veren akıllı şebekeler mevcuttur. Elektrik enerjisi tüketiminin artışıyla birlikte, tasarruflu enerji kullanımını teşvik etmek, enerji dağıtımı ve iletimi sırasında meydana gelen kayıpları azaltmak için gerekli önlemleri almak büyük önem taşır. Enerjiyi verimli kullanabilmek için kullanılan yöntemlerden biri de enerji talebinin önceden tahmin edilmesidir. Çeşitli yöntemler arasında özellikle kısa dönemli enerji tahmini önem kazanmaktadır. Bu çalışmada, Azerbaycan'da Şirvan bölgesin de yer alan bir indireme ve altı trafo merkezin akıllı sayaçlarla her 15 dk okunan tüketim verileri ve ayrıca hava durumu verileri kullanılarak derin öğrenme tabanlı bir tüketim tahmin modeli geliştirilmiştir. Böylelikle derin öğrenme tabanlı modeli daha iyi bir performans sağlanmıştır. Her trafo ve bir indirgeme merkezi için ayrı modeller geliştirilmiş olup, %93 üzerin de bir başarı elde edilmiştir.
Özet (Çeviri)
Electrical energy is generated in diverse power plants and can be sent to residential or industrial regions through distribution lines, but it is not stored in a regulated manner. Owing to the advancing technology, burgeoning heavy industry, and growing population, our need on electrical energy is escalating, just as our reliance on all forms of energy is increasing. As a result, countries worldwide, including our own, are making efforts to boost the production of electrical energy. As energy production rises, certain essential production resources are diminishing at an equivalent rate. Smart grids enable real-time monitoring of energy distribution and transmission through the use of smart meters, which in turn allows for immediate assessment of the supply and demand balance. Given the rising demand for electricity, it is crucial to implement methods that promote energy conservation and minimize losses throughout the distribution and transmission of energy. Energy demand forecasting is a method commonly employed to enhance energy efficiency. Short-term energy forecasting is becoming increasingly important among many methodologies. This paper presents the development of a consumption forecasting model based on deep learning. The model utilizes consumption data from one substation and six substations in the Shirvan region of Azerbaijan. The data is collected every 15 minutes using smart meters, along with weather data. Therefore, the deep learning based model achieves improved performance. Individual models were created for each substation and a reduction center, resulting in a success rate exceeding 93%.
Benzer Tezler
- A comparative analysis of LSTM and lıghtgbm models in short-term electricity load forecasting: a case study from türkiye
Kısa dönemli yük tahmininde LSTM ve lightgbm modellerinin karşılaştırmalı analizi: Türkiye'den bir vaka çalışması
MUHAMMET FURKAN BAYSAL
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Yapay zeka tabanlı bara diferansiyel koruma sistemi
Artificial intelligence based busbar differential protection system
EMRE ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- İçerik tabanlı görüntü erişimi ile uzaktan algılama verilerinde obje arama
Object retrieval in remote sensing data using content based imaged retrieval
ÖZGE TOKMAK
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Elektrik dağıtım sistemlerinde görüntü işleme tabanlı anomali tespiti: SAM ve derin öğrenme uygulaması
Image processing-based anomaly detection in electricity distribution systems: An application of SAM and deep learning
EYYÜP KARAHAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
DOÇ. DR. EMİNE ELİF TÜLAY
- Güç trafolarındaki plansız kesintileri önlemek için örnek bir kestirimci bakım tabanlı anomali tahminleme yöntemi geliştirilmesi
Development of a predictive maintenance-based anomaly prediction method to prevent unscheduled outages in power transformers
TUGAY EREN GÜZELYOL
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiManisa Celal Bayar ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAVUZ ATEŞ