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
- Tez No: 886371
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ DURUSU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, İstatistik, Electrical and Electronics Engineering, Energy, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Tesisleri Bilim Dalı
- Sayfa Sayısı: 75
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
- 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
2023
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
ÖĞR. GÖR. MUSTAFA BERKER YURTSEVEN
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN DUMAN
- A comparative study of deep learning techniques for time series forecasting in energy consumption prediction
Derin öğrenme teknikleri ile enerji tüketimini tahmin etmek için zaman serisi tahminine yönelik karşılaştırmalı bir çalışma
MUTAKABBIR AHMED TAYIB
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. TUĞBA TAŞKAYA TEMİZEL
PROF. DR. CEYLAN TALU YOZGATGİL
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Data analysis with distributed machine learning methods in smart city applications
Akıllı şehir uygulamalarında dağıtık makine öğrenmesi yöntemleriyle veri analizi
NAWAF ABDULLA
Doktora
İngilizce
2024
Yönetim Bilişim SistemleriGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRCİ
PROF. DR. SUAT ÖZDEMİR