Elektrik tüketim verilerine yapay zeka modellerinin uygulanması
Application of artificial intelligence models to electricity consumption data
- Tez No: 900871
- Danışmanlar: DR. ÖĞR. ÜYESİ VEDAT MARTTİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 198
Özet
Bu çalışmada, 2016 Ocak - 2024 Haziran döneminde Türkiye'nin Bilecik ilinin Aydınlatma, Mesken, Sanayi, Tarımsal Sulama ve Ticarethane sektörlerine ait elektrik tüketim verileri incelenmiştir. Elektrik tüketiminin gelecekteki eğilimlerini tahmin etmek amacıyla, Enerji Piyasası Düzenleme Kurumu'nun (EPDK) yayımladığı Elektrik Piyasası Aylık Resmi İstatistikleri kullanılarak veriler toplanmış ve Zaman Serisi Analizi ile işlenmiştir. RNN, GRU, LSTM ve BiLSTM modelleri, sektörel bazda epoch 25, 50, 100 ve 200 değerlerinde eğitilmiş, 2016-2019 dönemi eğitim verisi, 2020-2024 Haziran dönemi test verisi olarak kullanılmıştır. Modellerin performansı MAE, RMSE, MSE ve MAPE metrikleri ile değerlendirilmiştir. Çalışmada elde edilen bulgular, Mesken ve Ticarethane sektörlerinde BiLSTM ve LSTM modellerinin yüksek doğrulukla tahmin yaptığını, Sanayi ve Tarımsal Sulama sektörlerinde ise GRU ve BiLSTM modellerinin daha başarılı olduğunu göstermiştir. RNN modeli genel olarak diğer modellere göre daha düşük performans sergilemiştir. Çalışma, derin öğrenme modellerinin elektrik tüketimi tahmininde güçlü bir öğrenme yeteneğine sahip olduğunu, ancak bazı sektörlerde daha fazla hiperparametre optimizasyonuna ihtiyaç duyulduğunu ortaya koymuştur. Sonuç olarak, bu modeller, Bilecik ilinin gelecek yıllarındaki elektrik tüketiminin sektörel bazda tahmin edilmesini sağlamış ve enerji yönetimi açısından önemli öngörüler sunmuştur. Gelecekteki çalışmalar için modellerin sektörel bazda performanslarını artırmak amacıyla daha karmaşık ve daha büyük veri kümelerinde optimizasyon yöntemleri kullanılabilir.
Özet (Çeviri)
In this study, electricity consumption data of Bilecik province of Turkey for Lighting, Residential, Industrial, Agricultural Irrigation and Commercial sectors for the period of 2016 January - 2024 June are analysed. In order to estimate the future trends of electricity consumption, data are collected using the Electricity Market Monthly Official Statistics published by the Energy Market Regulatory Authority (EMRA) and processed by Time Series Analysis. RNN, GRU, LSTM and BiLSTM models were trained at Epoch 25, 50, 100 and 200 on a sectoral basis, and the period 2016-2019 was used as training data and the period 2020-2024 June was used as test data. The performance of the models was evaluated with MAE, RMSE, MSE and MAPE metrics. The findings of the study show that BiLSTM and LSTM models predict with high accuracy in Residential and Commercial sectors, while GRU and BiLSTM models are more successful in Industrial and Agricultural Irrigation sectors. The RNN model generally performed worse than the other models. The study revealed that deep learning models have a strong learning ability in electricity consumption forecasting, but more hyperparameter optimisation is needed in some sectors. As a result, these models have enabled the prediction of electricity consumption of Bilecik province in the coming years on a sectoral basis and provided important predictions in terms of energy management. For future studies, optimisation methods can be used in more complex and larger datasets to improve the performance of the models on a sectoral basis.
Benzer Tezler
- Türkiye'de elektrik kesintilerinin maliyeti: Tüketicilerin ve dağıtım şirketlerinin kesinti maliyetlerinin hesaplanması ve geleceğe yönelik tahminler
Electricity interruption cost in Turkey: Calculation of customer and distribution company interruption cost and forecastings for the future
BURAK DİNDAR
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL
- Dağıtım şebekesinde kısa dönem yük tahmini
Short-term load forecasting in distribution network
MERT SAÇLI
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN EMRE TÜRKAY
- Estimation of energy consumption demand with artificial intelligence methods
Enerji tüketim talebinin yapay zeka yöntemleri ile tahmini
AHMET EMRE BALSEVER
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaElektrik-Elektronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN TİRYAKİ
- 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
- Yapay zekâ ve makine öğrenimi araçları ile elektrik tüketimi tahmini
Electricity consumption forecasting via artificial intelligence and machine learning tools
UMUT YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SILA ÖVGÜ KORKUT UYSAL