Dağıtılan elektrik enerjisi miktarının öngörümlenmesi: Zaman serisi, makine öğrenmesi ve melez modellerin karşılaştırılması
Forecasting distributed electricity energy amounts: A comparison of time series, machine learning and hybrid models
- Tez No: 865263
- Danışmanlar: DOÇ. DR. EMRAH GÜLAY
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Veri Yönetimi ve Analizi Bilim Dalı
- Sayfa Sayısı: 62
Özet
Elektrik dağıtım şirketleri, gelecekteki elektrik taleplerini öngörmek amacıyla zaman serisi analizi, makine öğrenmesi ve melez yöntemleri kullanmaktadır. Bu yöntemler, şebeke yönetiminde etkinlik, kesintisiz enerji, risk önlemleri ve ağ performansı iyileştirmeleri sağlama potansiyeline sahiptir. Bu çalışma, dağıtılan elektrik enerjisi miktarının öngörülmesine odaklanarak veri temelli bir bakış açısı sunmayı amaçlamaktadır. Dağıtılan elektrik enerjisi miktarının öngörüsü için gereken veriler, geçmiş beş yıllık elektrik dağıtım verilerini ve tatil günlerine ait değerleri içermektedir. Elektrik enerjisi mevsimsel bir yapıya sahip olduğundan, klasik ARIMA ve ETS modelleri sıkça kullanılmaktadır. Makine öğrenmesi, büyük veri kümeleri üzerinde karmaşık ilişkileri belirlemek için kullanılırken, Gradient Boosting, Random Forest ve Yapay Sinir Ağları gibi yöntemler, öngörü performansını artırmak için tercih edilmektedir. Zaman serisi modelleriyle makine öğrenmesi yöntemlerinin birleştirildiği melez yöntemler, öngörü doğruluğunu artırmak için popüler hale gelmiştir. STL ve ANN gibi yöntemlerin birleştirilmesiyle oluşturulan bir modelin, zaman serisi trendlerini ve karmaşık ilişkileri daha iyi anladığı gözlemlenmektedir. Model performansı, MAPE ve RMSE performans ölçütleriyle değerlendirilmektedir. Bu çalışma, farklı modellerin ve yaklaşımların elektrik enerjisi miktarının öngörüsünde etkili olduğunu göstermektedir. Melez modellerin, tek başına kullanılan yöntemlere kıyasla daha iyi performans gösterme eğiliminde olduğu ve gelecekteki çalışmalarda daha fazla inceleneceği öngörülmektedir.
Özet (Çeviri)
Electric distribution companies use time series analysis, machine learning, and hybrid methods to forecast future electricity demands. These methods have the potential to improve efficiency in grid management, ensure uninterrupted energy supply, implement risk measures, and enhance network performance. This study aims to provide a data-driven perspective by focusing on forecasting the amount of distributed electrical energy. The data required for forecasting the amount of distributed electrical energy includes historical electricity distribution data from the past five years and values related to holiday days. As electrical energy exhibits a seasonal structure, classical ARIMA and ETS models are commonly used.While machine learning is used to identify complex relationships in large datasets, methods such as Gradient Boosting, Random Forest, and Artificial Neural Networks are preferred to improve forecasting performance. Hybrid methods that combine time series models with machine learning techniques have become popular to enhance forecasting accuracy. It has been observed that a model created by combining methods like STL and ANN better understands time series trends and complex relationships. Model performance is evaluated using performance criteria such as MAPE and RMSE. This study demonstrates the effectiveness of different models and approaches in forecasting the amount of electrical energy. Hybrid models tend to outperform individually used methods, and it is anticipated that they will be further explored in future studies.
Benzer Tezler
- Mikro şebekeye bağlı fotovoltaik panelden beslenen lityum batarya sisteminin farklı yük durumlarına göre enerji yönetimi
Energy management accordingto to load conditions for lithium battery system fed by photovoltaic panels in the microgrids
HATİCE GÜZEL GÖZLÜKAYA
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ
- Güneş enerjili damıtıcılarda yeni bir ısı geri kazanım sisteminin performans analizi
Performance analysis of a new heat recovery system in solar-powered water distilleries
YASİN ÖZCAN
Doktora
Türkçe
2023
Makine MühendisliğiKarabük ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. EMRAH DENİZ
- Elektrik enerji piyasalarında iletim hat parametrelerinin tıkanıklık üzerine etkileri
The effects of transmission line parameters on congestion in competitive power markets
CANAN ZOBİ
Doktora
Türkçe
2005
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ.DR. CANBOLAT UÇAK
- Design of power generation system using speed breakers
Hız kesiciler kullanılarak elektrik üretim sisteminin tasarımı
MANAR ALAA KHUDHUR AL OBAIDI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiÇankırı Karatekin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA TEKE
- The effects of communication delay on the operation ofdistributed energy resources in power distribution systems
Haberleşme sistemindeki gecikmelerin dağıtım sistemlerindeki dağıtık enerjı kaynaklarının işletimi üzerindeki etkileri
NEGAR DASHTI
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK