Geri Dön

Generating electricity load data using generative adversarial networks

Üretken rakip ağları kullanarak elektrik yükü verilerinin üretilmesi

  1. Tez No: 882071
  2. Yazar: MOHAMMED Z.M. ALREDWAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OSMAN AKIN
  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: İngilizce
  9. Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 47

Özet

Elektrik yük tahmini, modern enerji sistemi yönetiminde kritik bir öneme sahiptir ve kamu hizmetlerinin kaynakları verimli bir şekilde tahsis etmesini, şebeke kararlılığını sağlamasını ve enerji üretimini optimize etmesini sağlar. Elektrik talebinin doğru tahmin edilmesi, tüketici ihtiyaçlarını karşılarken işletme maliyetlerini ve çevresel etkileri en aza indirir. Günün saati, haftanın günü, hava koşulları ve özel etkinliklerin meydana gelmesi gibi çeşitli faktörler elektrik tüketim desenlerini etkiler. Bu çalışma, Generatif Yapay Zeka (Generative AI) kullanarak elektrik yük tahmini için öncü bir metodoloji sunar. Gelişmiş derin öğrenme mimarilerinden, özellikle Generatif AI tekniklerinden yararlanarak, önerilen model elektrik talebinin doğru tahminlerini sağlamayı amaçlamaktadır. Gerçek dünya elektrik yük veri setleri, Generatif AI tabanlı tahmin modelini eğitmek ve değerlendirmek için kullanılır. Modelin performansı, ortalama kare hatası, kök ortalama kare hatası (RMSE) ve ortalama kare hatası (MSE) gibi standart hata metrikleri kullanılarak titizlikle değerlendirilir. Bulgular, Generatif AI yaklaşımının doğru ve güvenilir elektrik yük tahminleri üretmedeki etkinliğini vurgulamaktadır.

Özet (Çeviri)

Electricity load forecasting is essential in modern power system management, enabling utilities to efficiently allocate resources, ensure grid stability, and optimize energy generation. Accurate forecasting of electricity demand meets consumer needs while minimizing operating costs and environmental impacts. Various factors affect electricity consumption patterns, such as time of day, day of the week, weather conditions, and the occurrence of special events. This study presents a pioneering methodology for electricity load prediction employing Generative Artificial Intelligence (Generative AI). By leveraging advanced deep learning architectures, specifically Generative AI techniques, the proposed model aims to provide accurate forecasts of electricity demand. Real-world electricity load datasets are utilized to train and evaluate the Generative AI-based prediction model. The model's performance is rigorously evaluated using standard error metrics such as mean squared error, root mean square error (RMSE), and mean square erro (MSE). The findings highlight the effectiveness of the Generative AI approach in generating precise and reliable electricity load predictions.

Benzer Tezler

  1. Dizel jeneratörlerin koherens fonksiyonu ile ses ve titreşim analizi

    Sound and vibration analysis of diesel generators with coherence function

    UĞUR ÖLMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NEVRA BAYHAN

  2. Short term electricity load forecasting based on the optimal architecture of hybrid neural network model

    Hibrid sinir ağı modelinin optimal yapısına dayalı kısa süreli elektrik yükü tahmini

    FIRAS AHMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilim ve TeknolojiTürk Hava Kurumu Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. SHADİ ALSHEHABİ

  3. Parallel evolutionary computation for distribution system planning and operation

    Dağıtım şebekesi planlama ve işletmesi için paralel evrimsel algoritmalar

    SOHEIL YOUNESI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDOĞAN ÖZDEMİR

    DR. ÖĞR. ÜYESİ OGUZHAN CEYLAN

  4. Aydın-Buharkent jeotermal enerji santrali temel zemininin jeoteknik özelliklerinin araştırılması

    Investigation of geotechinal properties of foundation soil of Aydın-Buharkent geothermal energy power plant

    CEREN URSAVAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Jeoloji MühendisliğiKaradeniz Teknik Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. FİKRİ BULUT

  5. Elektrik enerji iletim şebekelerinin optimal genişletme planlaması

    Optimal expansion planning of power transmission networks

    NAZİF HÜLAGÜ SOHTAOĞLU