Geri Dön

Ges içeren bir tekstil işletmesinin elektrik üretim ve tüketiminin makine öğrenmesi tabanlı tahmini

Machine learning based estimation of electricity production and consumption of a textile facility containing sepp

PDF İndir

  1. Tez No: 926162
  2. Yazar: HAKAN POYRAZ
  3. Danışmanlar: PROF. DR. OSMAN ELDOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Kısa dönem elektrik tüketim tahmini, kısa dönem elektrik üretim tahmini, YSA, ANFIS, basit regresyon, çoklu regresyon, Short-term electricity consumption forecast, short-term electricity production forecast, ANN, ANFIS, simple regression, multiple regression
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Enerjinin önemi, ülkelerin politikalarında giderek artarken, artan nüfus ve yatırımlar enerji planlamasında belirleyici unsurlar haline gelmektedir.Enerji ve Tabii Kaynaklar Bakanlığı'nın verilerine göre, Türkiye enerji ihtiyacının %74'ünü ithal etmekte ve toplam enerji ihtiyacının %45'i sanayi sektöründe kullanılmaktadır. Bu dağılım, sanayi sektöründeki yoğun talebin, enerji planlamasında söz konusu alana verilen önemin derecesini ortaya koymaktadır. Bu çalışmada, EPİAŞ (Enerji Piyasaları İşletme A.Ş.) gün öncesi piyasasında yapılan enerji tahminleri sonucunda oluşan pozitif veya negatif yöndeki dengesizliklerin minimize edilmesi ve bu dengesizliklerden kaynaklanan mali kayıpların önlenmesi amaçlanmıştır. İlk olarak, bir tekstil kuruluşunun 2022 yılına ait net elektrik ihtiyacının modellenmesi amacıyla, işletmenin ham üretim bölümlerinden (dokuma, örme, dantel, jarse, yuvarlak örme) ilmek satırı, apre bölümünden ise metre birimleri kullanılarak YSA, ANFIS ve Çoklu Regresyon yöntemleriyle tahminler yapılmıştır. Elde edilen sonuçlar kendi aralarında ve manuel olarak yapılan tahminlerle karşılaştırılmıştır. Diğer yandan, Sakarya Meteoroloji Genel Müdürlüğü (SMGM)'nden alınan veriler kullanılarak, şirketin enerji ihtiyacının ne kadarının güneş enerjisi sistemi tarafından karşılanabileceği, YSA, ANFIS ve Çoklu Regresyon yöntemleriyle tahmin edilmiştir. Elde edilen sonuçlar karşılaştırılarak, hangi yöntemin güneş enerji üretim planlamasında en uygun tahminleri verdiği incelenmiştir. Çalışmada, 2022 yılının ilk 11 ayı eğitim verisi olarak kullanılmış ve 2022 Aralık ayına ait üretim ve tüketim değerleri tahmin edilmiştir. Enerji tüketimi tahmini karşılaştırmalarında, ANFIS yöntemi ile gerçekleştirilen eğitim süreci, en düşük hata oranını elde etmiştir. Eğitim veriler ile yapılan basit regresyon analizi, ANFIS metodunun en anlamlı sonuçları verdiğini göstermektedir. Bununla birlikte, test verileri üzerinde yapılan analizlerde, en yüksek performans YSA yöntemi ile elde edilmiştir. Test verileri ile yapılan basit regresyon analizi, Çoklu Regresyon metodunun en anlamlı sonuçları verdiğini göstermektedir. Ayrıca, önerilen modellerin manuel tahmin değerleri ile karşılaştırıldığında daha başarılı sonuçlar verdiği gözlemlenmiştir. Enerji üretim tahmini karşılaştırmalarında ise, ANFIS yöntemi ile gerçekleştirilen eğitim süreci en düşük hata oranını sağlamıştır. Eğitim verileri ile yapılan basit regresyon analizi, ANFIS metodunun en anlamlı sonuçlar sunduğunu göstermektedir. YSA yöntemi en iyi performansı göstermektedir ve yapılan basit regresyon analizi, test verileriyle en anlamlı ilişkiyi kurduğunu ortaya koymaktadır.

Özet (Çeviri)

The importance of energy is increasingly growing in national policies, while the rising population and investments have become determining factors in energy planning. According to the data of the Ministry of Energy and Natural Resources, Turkey imports 74% of its energy needs and 45% of its total energy needs are used in the industrial sector. This distribution reveals the degree of importance given to this area in energy planning due to the intense demand in the industrial sector. This study aims to minimize the positive or negative imbalances that occur as a result of energy estimates made in the EPİAŞ (Energy Markets Operations Inc.) day-ahead market and to prevent financial losses arising from these imbalances. First, in order to model the net electricity needs of a textile company for 2022, estimates were made using ANN, ANFIS and Multiple Regression methods using stitch row units from the raw production department of the company (weaving, knitting, lace, jersey, circular knitting) and meter units from the finishing department. The results obtained were compared with each other and with the estimates made manually. On the other hand, using data from Sakarya Meteorology General Directorate (SMGD), how much of the company's energy needs can be met by the solar energy facility was estimated using ANN, ANFIS and Multiple Regression methods. The results obtained were compared and it was examined which method provided the most appropriate estimates in solar energy production planning. In the study, the first 11 months of 2022 were used as training data and the production and consumption values for December 2022 were estimated. In comparisons of energy consumption estimation, the training process performed with the ANFIS method achieved the lowest error rate. Simple regression analysis performed with training data shows that the ANFIS method provides the most significant results. However, in the analyses performed on test data, the highest performance was obtained with the ANN method. Simple regression analysis performed with test data shows that the Multiple Regression method provides the most significant results. In addition, it was observed that the proposed models provided more successful results when compared with manual estimation values. In comparisons of energy production estimation, the training process performed with the ANFIS method provided the lowest error rate. Simple regression analysis performed with training data shows that the ANFIS method provides the most significant results. The ANN method achieved the best performance, and simple regression analysis indicated that it established the most significant relationship with the test data.

Benzer Tezler

  1. Tez No

    849746

    Investigation of treatment performances and energy recoveries from a real textile wastewater in conventional and high-rate MBR processes

    Konvansiyonel ve yüksek yüklü MBR proseslerinde gerçek bir tekstil atıksuyu arıtım performansının ve enerji geri kazanımının araştırılması

    TÜLAY YILMAZ

    Doktora

    İngilizce

    İngilizce

    2024

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİNE ÇOKGÖR

    PROF. DR. ERKAN ŞAHİNKAYA

  2. Tez No

    718244

    Aktif çamur sistemlerine nano materyal ilavesi ile sentetik tekstil atıksularından renk gideriminin araştırılması

    Investigation of color removal from synthetic textile wastewater with nano material addition to activated sludge systems

    BERİKA ERGAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Çevre MühendisliğiÇukurova Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BEHZAT BALCI

  3. Tez No

    292195

    Simultaneous electiricity generation and decolorization of textile dyes in single-cell air-cathode microbial fuel cells

    Tek-odalı hava-katot mikrobiyal yakıt hücrelerinde eşzamanlı elektrik üretimi ve tekstil boyalarının dekolorizasyonu

    HİLAL EREN

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Biyoteknolojiİstanbul Teknik Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DOÇ. DR. HAKAN BERMEK

  4. Tez No

    664654

    Eş eksenli ve tek-düzeli elektro lif çekim yöntemleri ile gizli ısı depolayan kompozit nanolifli yüzey üretimi

    Production of latent heat storing composite nanofiber web by co-axial and single-nozzle electrospinning methods

    GİZEM ÖZMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Tekstil ve Tekstil MühendisliğiSüleyman Demirel Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENNUR ALAY AKSOY

  5. Tez No

    612711

    UV ile kürlenebilen su bazlı poliüretan akrilat binderlerin suni deriye şablon baskı yöntemiyle uygulanması ve baskı yönteminin geliştirilmesi

    Screen printing of UV curable water-borne polyurethane acrylate binder on synthetic leather and development of the printing method

    GÜLÇİN BAYSAL

    Doktora

    Türkçe

    Türkçe

    2020

    Tekstil ve Tekstil Mühendisliğiİstanbul Teknik Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURÇAK KARAGÜZEL KAYAOĞLU

Geri Dön