Forecasting electric energy consumption using: Artificial intelligence: Case study using a new set of house holds in Iraq
Elektrik enerjisi tüketimini tahmin etme: Yapay zekâ: Irak'ta yeni bir ev evi kullanarak vaka çalışması
- Tez No: 966175
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 177
Özet
Elektrik, dünyanın kan damarıdır, ışıklardan klimalara, ocaklardan sulanan çimlere kadar, günde neredeyse her şey bu elektriğe bağlıdır. Evlere ve elektrikli cihazlara güç sağlamak veya ağır endüstriyel süreçlerin üretimi veya hatta tıbbi ve eğitim hizmetleri olsun, elektrik varoluş için hayati bir bileşendir. Elektrik talebi, hızlı nüfus artışı, artan kentleşme ve küresel olarak hükümetler ve kurumlar için büyük bir zorluk olan gelişmiş teknolojilerin artan benimsenmesiyle benzeri görülmemiş bir oranda artmaktadır. Enerji talebindeki böyle bir artış, tüketicilerin hizmetinde elektrik şebekelerine yüksek performans yetenekleri dayatacak daha verimli ve sürdürülebilir sistemlerin yaratılmasıyla eşleştirilmelidir. Ancak bugün elektrik sektörü belki de Irak'taki yapısal olarak en sorunlu sektördür. Uzun vadeli yatırımların olmamasının yanı sıra, Irak'taki elektrik altyapısı da son birkaç on yılda savaşlardan ve çatışmalardan büyük ölçüde etkilenmiştir. 2023'ten sonra Irak'ın tamamı şu anda tekrarlanan elektrik kesintileri açısından varlığını sürdürüyor ve bu, toplam çıktı enerjisinin neredeyse yarısından fazlasını oluşturuyor. Ayrıca, mevcut sistemler büyük ölçüde düşük verimliliğe ve artan işletme maliyetlerine yol açan geleneksel elektrik üretim teknolojilerine bağımlıdır. Ayrı farklı kategorilerdeki yüksek ev elektriği talebi, genel tüketime büyük bir yüzdeye ulaşır (özellikle yaz aylarında) yüksek sıcaklık faktörleri her zaman klima tüketiminin artmasında önemli bir faktör olmuştur. Bu sorunların üstesinden gelmek için bu çalışma, zaman serisi ve evsel güç tüketimini tahmin etmek için son yapay zeka (AI) ve (DL) yaklaşımlarına dayanan gelişmiş bir hibrit model önermektedir. Bu modelin temel amacı önerilen tahmin doğruluğu oranı iyileştirme yöntemleridir. Yüksek Teknolojili sinir ağları, Conv1D, Kapılı Tekrarlayan Birimler (GRU'lar), (Bi-LSTM) ve Dikkat Katmanı'nın yanı sıra geleneksel (ML) metodolojileri Destek Vektör Regresyonu (SVR), Rastgele Orman (RF), K-En Yakın Komşular (KNN'ler) içerir. Model, tahmin doğruluğu ile yürütme hızı arasındaki optimum dengeyi bulmak için önerilmiştir, böylece karar almaya yardımcı olmak ve elektrik kaynak yönetiminde verimliliği artırmak için daha uygulanabilir çözümlere olanak tanır. Modeli oluşturmak için Irak Elektrik Bakanlığı ve Meteoroloji Merkezi'nden (2021-2023) veriler kullanılmıştır. Sıcaklık, nem ve rüzgar hızı gibi çevresel değişkenlerin yanı sıra, kullanılan veriler günlük bazda hanehalkı enerji tüketiminden oluşmaktadır. MinMaxScaler ve Seri-Gözetimli gibi teknikler de önerilen analitik modeller için verileri hazırlamak amacıyla kullanılmıştır. Bu model tasarımının birkaç aşaması vardır. İlk katmanda, yalnızca en temel parametreleri öğrenmek için bir Conv1D katmanı ve verilerin büyük kısmından kurtulmak için bir MaxPooling1D katmanı buluyoruz. Kısa vadeli zamansal bağımlılıkları araştırmak için (GRU'lar) katmanları ve uzun vadeli zamansal bağımlılıklar için (Bi-LSTM) katmanları. Daha önemli faktörlerle tahmin temasını iyileştirmek için bir Dikkat katmanı dahil edildi ve bu da nihai sonucu iyileştirmeye yardımcı oldu. Ek olarak, yakınsama hızını artırmak ve hataları en aza indirmek için Uyarlamalı Moment Tahmini (Adam), Ortalama Karekök Yayılımı (RMSprop) ve Nesterov Hızlandırılmış Uyarlamalı Moment Tahmini (Nadam) gibi farklı optimize ediciler uygulandı. Deneysel sonuçlar, önerilen hibrit modelin geleneksel modellerle karşılaştırıldığında tahmin doğruluğu ve yürütme hızı açısından büyük ölçüde üstün olduğunu göstermektedir. Bu nedenle, yakınsama hızını iyileştirmede ve hata oranlarını düşürmede önemli ölçüde işe yaradı, karmaşık bir zamansal uygulama (Adam) iyileştiricisiyle çalışırken en iyi seçimdir. Dikkat katmanı ayrıca tahmin doğruluğunu iyileştirmeye yardımcı oldu ve modelin en önemli çevresel özelliklere odaklanmasını sağladı. Bunlar, Irak'ta elektrik kaynak yönetimini geliştirmek için bu tür (AI) tekniklerin mevcut gücünü yansıtan büyük bulgulardır. viii Bu çalışma, tüketimi güvenilir bir şekilde tahmin etmek için iyi kurulmuş modellerle sürdürülebilir elektrik sistemlerini iyileştirmeye yönelik önemli bir adımdır. Bu model yalnızca ağın verimliliğini ve yönetimini iyileştirmek için anlamlı olmakla kalmaz, aynı zamanda su kaynak yönetimi ve pazar analizi gibi diğer yerlere uygulanabilen pratik bir çerçeve de sağlar.
Özet (Çeviri)
Electricity is the blood artery of the world, from lights to air conditioning to cook stoves to watered lawns, almost everything in a day relies on this electricity. Be it powering homes and electrical devices or manufacturing heavy industrial processes or even medical and educational services, electricity is a vital component for existence. Electricity demand is growing at an unprecedented rate with rapid population growth, increasing urbanization, and increasing adoption of advanced technologies which is a major challenge for governments and institutions globally. Such a proliferation of energy demand must be matched with the creation of more efficient and sustainable systems that impose high-performance capabilities on electricity networks in the service of consumers. But the electricity sector today is perhaps the most structurally troubled sector in Iraq. Aside from absence of long-term investments, the electricity infrastructure in Iraq was also grossly affected by wars and conflicts in the last few decades. After 2023 the entire country of Iraq currently exists in terms of repeated power cuts, in which it is an amount of nearly more than half of the entire output energy. Also, existing systems largely depend on traditional electricity generation technologies that lead to poor efficiencies and increased operating costs. The high use of household electricity demand in separate different categories adds up to a large percentage to overall consumption (particularly in the summertime) high temperature factors have always been a major factor in air conditioning consumption rise. vii In order to overcome those issues, this study proposes an advanced hybrid model founded on the recent artificial intelligence (AI) and (DL) approaches for predicting time series and domestic power consumption. The central objective of this model is proposed prediction accuracy ratio improvement methods.High-Tech neural networks features Conv1D, Gated Recurrent Units (GRUs), (Bi-LSTM) and Attention Layer, as well as traditional (ML) methodologies Support Vector Regression (SVR), Random Forest(RF), K-Nearest Neighbors (KNNs)). The model is proposed in order to find the optimal trade-off between prediction accuracy and execution speed, thus allowing for more actionable solutions to aid decision-making and increase efficiency in electricity resource management. Data from Iraqi Ministry of Electricity and the Meteorological Center (2021-2023) were used to build the model. Besides environmental variables like temperature, humidity, and wind speed, the data used consists of household energy consumption on a daily basis. Techniques such as MinMaxScaler and Series-to-Supervised were also employed to prepare the data for the analytical models proposed. There are several stages to this model design. In the first layer we find a Conv1D layer just to learn the very basic parameters, and a MaxPooling1D to get rid of the bulk of data. (GRUs) layers for investigating short-term temporal dependencies and (Bi-LSTM) layers for longterm temporal dependencies. An Attention layer was incorporated to improve the prediction contact with the more significant factors, which assists to enhance the ultimate result. In addition, different optimizers were implemented like Adaptive Moment Estimation (Adam), Root Mean Squared Propagation (RMSprop), and Nesterov-Accelerated Adaptive Moment Estimation (Nadam) to increase convergence speed and minimize errors. Experimental results show that the hybrid model proposed is greatly superior in terms of prediction accuracy and execution speed when compared to traditional models. Hence it worked significantly in improving the convergence speed and lowering the error rates, it is the best choice when working with a complex temporal application (Adam) optimizer. The Attention layer also helped improve the prediction accuracy, allowing the model to focus on the most important environmental features. These are massive findings that reflect the available power of such (AI) techniques to enhance electricity resource management in Iraq. viii This study is an important step towards improving the sustainable electricity systems with a well-established models for reliably predicting consumption. This model is not only meaningful for improving efficiency and management of the network, but also provides a practical framework that can be applied to other places like water resource management and market analysis.
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
- Ann based electricity consumption forecasting in Yasar University
Yapay sinir ağları kullanılarak Yaşar Üniversitesi yük tahmini
TUTKU ÇİMENDERE BUTEKİN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACER ÖZTURA
- Bir tekstil fabrikasının elektrik tüketim değerlerinin derin öğrenme ile tahminlenmesi
Estimating the electric consumption values of a textile factory with deep learning
HAKAN YURDOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER GÜLEÇ
- Hibrit araçlar için yapay zeka tabanlı bir kontrol stratejisi
An artificial intelligence based control strategy for hybrid vehicles
YILMAZ SERYAR ARIKUŞU
Doktora
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEVRA BAYHAN
DOÇ. DR. HASAN TİRYAKİ
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL