Deep learning-based ensemble model for electrical energy consumption prediction
Elektrik enerjisi tüketimi tahmini için derin öğrenme tabanlı topluluk modeli
- Tez No: 883707
- Danışmanlar: DOÇ. DR. ALPER ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: 61
Özet
Elektrik enerjisi, çağdaş toplumların sürdürülebilirliği ve endüstriyel gelişim açısından kritik öneme sahiptir. Elektrik enerjisi tüketimi tahmininin doğruluğu enerji verimliliği, maliyet kontrolü ve sürdürülebilir enerji yönetimi açısından oldukça önemlidir. Bu alanda makine öğrenmesi tekniklerinin kullanıldığı çalışmalar mevcut olsa da tüketim tahminlerin doğruluğunun artırılması için yeni çalışmalara ihtiyaç vardır. Elektrik enerjisi tüketimini başarılı bir şekilde tahmin etmek için, bu çalışmada derin öğrenmeye dayalı yeni bir topluluk modeli önerilmiştir. Hava koşulları elektrik enerjisi tüketimini doğrudan etkilediği için bu tezde, elektrik enerjisi tüketimi verilerine ek olarak hava durumu verileri de kullanılmıştır. Ayrıca önerilen topluluk modelinin tahmin performansını değerlendirmek amacıyla iki farklı veriseti kullanılmıştır. İlk etapta, derin öğrenme teknikleri kullanılarak üç farklı bileşen model geliştirilmiştir. Bu modeller Attention-Based LSTM, CNN-LSTM ve CNN-GRU modelleridir. Bileşen modellerden elde edilen tahmin sonuçları, önerilen derin öğrenme tabanlı topluluk modelini oluşturmak için ağırlıklı ortalama yaklaşımı kullanılarak bir araya getirilmiştir. Deneyler sonucunda, önerilen topluluk modeli diğer modeller ile karşılaştırıldığında daha iyi performans göstermiştir. Bu sonuç önerilen topluluk modelinin, kendisini oluşturan modellerin güçlü yönlerinden faydalanma ve zayıf yönlerini telafi edebilme yeteneğini göstermektedir.
Özet (Çeviri)
Electrical energy is critical to the sustainability of contemporary societies and industrial development. The accuracy of electrical energy consumption prediction is very important for energy efficiency, cost control, and sustainable energy management. Although there are studies in this field using machine learning techniques, new studies are needed to increase the accuracy of consumption predictions. To successfully forecast electrical energy consumption, a novel ensemble model based on deep learning is proposed in this study. Since weather conditions directly affect electrical energy consumption, weather data were used in addition to electrical energy consumption data in this thesis. Additionally, two different datasets were used to evaluate the prediction performance of the proposed ensemble model. In the first stage, three different component models were developed using deep learning techniques. These models are Attention-Based LSTM, CNN-LSTM, and CNN-GRU models. Prediction results from component models were combined using a weighted average approach to create a proposed deep learning-based ensemble model. As a result of the experiments, the proposed ensemble model showed better performance compared to other models. This result shows the ability of the proposed ensemble model to benefit from the strengths of the models that form it and compensate for their weaknesses.
Benzer Tezler
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- Moleküler haberleşme sistemlerinde alıcı kestirim yöntemleri
Receiver detection methods on molecular communications systems
ERGİN ASLAN
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- Elektrikli ev cihazlarının zaman serisi özelliklerine göre belirlenmesi
Determination of household electric appliances according to the time series features
EBRA NUR ZUREL
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUZAFFER ASLAN
- Rüzgar hızı tahminlemesi için derin öğrenme ve ayrıklaştırma temelli uyarlanabilir hibrit tahmin modeli geliştirilmesi
Development of a deep learning and discretization based adaptive hybrid forecast model for wind speed forecasting
MUSTAFA TAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM EMEKSİZ
- Kısa dönemli fotovoltaik güç tahmini için geliştirilen yenilikçi bir hibrit modelin analizi ve uygulaması
Application and analysis of innovative hybrid model for short-term photovoltaic power forecasting
ALİ RİZA GÜN
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR