Geri Dön

Enerji tüketimi tahmininde zaman serisi tabanlı algoritmaların performans analizi için üniversite kampüsü uygulaması

A university campus application for the performance analysis of time series based algorithm in energy consumption forcasting

  1. Tez No: 886371
  2. Yazar: BUĞRA KARAKOÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALİ DURUSU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Enerji, Elektrik ve Elektronik Mühendisliği, İstatistik, Energy, Electrical and Electronics Engineering, Statistics
  6. Anahtar Kelimeler: Talep tahmin sistemi, Talep tahmini, Yük tahmin yöntemi, Yük tahmini, Yük tahmini algoritması, Demand estimation system, Demand estimation, Load forecasting method, Load forecasting, Load prediction algorithm
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Tesisleri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Elektrik tüketimi tahmini, etkili enerji yönetimi için çok önemlidir. Kamu hizmetlerinin ve işletmelerin gelecekteki talebi doğru ve verimli bir şekilde planlamasına olanak tanır. Tahmin modelleri, çeşitli zaman ufuklarında gelecekteki elektrik kullanımını öngörmek için geçmiş tüketim modellerini, hava durumu verilerini, ekonomik göstergeleri ve diğer ilgili faktörleri analiz eder. Bu tahminler kaynak tahsisini, şebeke operasyonlarını ve altyapı planlamasını optimize etmek için gereklidir ve sonuçta maliyet tasarrufuna, şebeke güvenilirliğine ve sürdürülebilirlik çabalarına katkıda bulunur. Makine öğrenimi algoritmaları ve istatistiksel yöntemler gibi gelişmiş tahmin teknikleri, elektrik tüketimi tahminlerinin hassasiyetini ve güvenilirliğini artırmaktadır. Bu da paydaşların dinamik enerji ortamında bilinçli kararlar almasını sağlıyor. Bu çalışmada, Mevsimsel Otoregresif Entegre Hareketli Ortalama (SARIMA) ve Holt Winter's mevsimsel üstel düzgünleştirme teknikleri ile 5 yıllık elektrik tüketimi verileri kullanılarak 6 aylık elektrik tüketimi tahmini yapılmıştır. Çalışmanın doğruluğu AIC (Akaike Bilgi Kriteri) ve ortalama mutlak yüzde hata (MAPE) matrisi kullanılarak ölçülmüştür. Sonuçlar, tahminin büyüklüğü ve tutarlılığı nedeniyle literatür için kayda değer bir çalışmadır.

Özet (Çeviri)

Electricity consumption forecasting is crucial for effective energy management. It allows utilities and businesses to plan for future demand accurately and efficiently. Forecasting models analyse historical consumption patterns, weather data, economic indicators, and other relevant factors to project future electricity usage over various time horizons. These forecasts are essential for optimizing resource allocation, grid operations, and infrastructure planning, ultimately contributing to cost savings, grid reliability, and sustainability efforts. Advanced forecasting techniques, such as machine learning algorithms and statistical methods, are improving the precision and reliability of electricity consumption predictions. This empowers stakeholders to make informed decisions in the dynamic energy landscape. In this study, we estimated a 6-month electricity consumption forecast using 5 years of electricity consumption data with Seasonal Autoregressive Integrated Moving Average (SARIMA) and Holt Winter's seasonal exponential smoothing techniques. The study's accuracy was measured using the AIC (Akaike Information Criteria) and Mean Absolute Percentage Error (MAPE) matrix. The results are significant for the literature due to the forecast's size and accuracy.

Benzer Tezler

  1. Machine learning-based energy consumption forecastingfor stores in a shopping center - A case study

    Alışveriş merkezindeki dükkânların enerji tüketimininmakine öğrenmesiyle tahmini - Vaka çalışması

    NADIA AHBAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilimi ve Teknolojileri Ana Bilim Dalı

    ÖĞR. GÖR. MUSTAFA BERKER YURTSEVEN

  2. Türkiye elektrik piyasasında istatistiksel yöntem ve makine öğrenmesi algoritmaları kullanılarak kısa vadeli gün öncesi elektrik fiyatı tahmini için hibrit bir yaklaşım

    A hybrid approach short-term day-ahead electricity price forecasting in the turkish power market using statistical method and machine learning algorithms

    CEMRE NUR GÜNGÖR

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Enerjiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ITIR SATOĞLU

  3. Elektrik üretiminin planlanması için derin öğrenme tabanlı talep tahmin sisteminin geliştirilmesi

    Development of deep learning based demand forecasting system for planning electricity generation

    MUHAMMET MUSTAFA GÖKÇE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERKAN DUMAN

  4. Kentsel raylı ulaşım sistemlerinde enerji tüketimi ve karbon ayak izi tahmini için makine öğrenmesi yaklaşımlarının karşılaştırmalı analizi

    A comparative analysis of machine learning approaches for energy consumption and carbon footprint forecasting in urban rail transit systems

    KAMBER KÜLAHCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Mekatronik MühendisliğiErciyes Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERTAÇ SAVAŞ

  5. A transformer-based archıtecture: The ınformer model for uav power consumptıon estımatıon

    İha güç tüketimi tahmini için transformer tabanlı ınformer modeli

    AHMET KAAN DURMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLAY ÖKE GÜNEL