Yapay zeka algoritmaları ile talep tahmini elektrik perakende sektöründe bir uygulama
Demand forecasting with artificial intelligence algorithms an application in the electricity retail sector
- Tez No: 966679
- Danışmanlar: PROF. DR. MEHMET AKTAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Türkiye'de elektrik enerjisinin üretim, iletim, dağıtım ve perakende ağının önemi, yaşanan teknolojik gelişmeler ve tüketim anlayışının değişmesi ile birlikte son yıllarda üzerinde en çok durulan konulardan birisi haline gelmiştir. Bu çalışmanın temel amacı, Türkiye'nin saatlik elektrik enerjisi tüketim miktarını tahmin etmek için farklı yapay zekâ (YZ) modellerinin performansını karşılaştırmaktır. Enerji talebinin doğru bir şekilde öngörülmesi, enerji arz güvenliği, şebeke yönetimi ve kaynak planlaması açısından kritik öneme sahiptir. Çalışmada, EPİAŞ (Enerji Piyasaları İşletme A.Ş.) tarafından sağlanan Nisan 2024 ve Nisan 2025 arasındaki saatlik tüketim verileri kullanılmıştır. Tüketim tahmini için Çoklu Doğrusal Regresyon (MLR), Karar Ağaçları (DT), Rassal Orman (RF), Gradyan Artırma Makineleri (GBM), Extreme Gradient Boosting (XGBoost) ve Yapay Sinir Ağları (YSA) gibi yaygın kullanılan algoritmalar uygulanmıştır. Modellerin performansları, Ortalama Mutlak Hata (MAE) ve Kök Ortalama Karesel Hata (RMSE) metrikleri kullanılarak değerlendirilmiştir. Elde edilen sonuçlara göre, sonuçlar birbirine yakın olsa da, en iyi tahmini Keras kütüphanesinden kullanılan Yapay Sinir Ağları Çok Katmanlı Algılayıcı (MLP) modeli sağlarken en düşük performanslı tahmini Scikit Learn kütüphanesinden kullanılan Yapay Sinir Ağları MLP modeli sağlamıştır.
Özet (Çeviri)
The importance of Türkiye's electricity generation, transmission, distribution, and retail network has become one of the most emphasized topics in recent years, driven by technological advancements and changes in consumption behavior. The primary aim of this study is to compare the performance of different artificial intelligence (AI) models in forecasting Türkiye's hourly electricity consumption. Accurate prediction of energy demand is critically important for energy supply security, grid management, and resource planning. The study utilizes hourly consumption data provided by EPİAŞ (Energy Markets Operation Corporation) for the period between April 2024 and April 2025. Commonly used algorithms such as Multiple Linear Regression (MLR), Decision Trees (DT), Random Forest (RF), Gradient Boosting Machines (GBM), XGBoost, and Artificial Neural Networks (ANN) were applied for consumption forecasting. The performance of the models was evaluated using the Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) metrics. According to the results, although the models yielded similar outcomes, the Random Forest model provided the best prediction, while the Artificial Neural Networks showed the lowest performance.
Benzer Tezler
- Yapay zeka algoritmaları ile elektrik talep tahmini: Tekirdağ, Çerkezköy örneği
Electricity demand forecasting with artificial intelligence algorithms: The case of Tekirdağ, Çerkezköy
ATABERK GÜÇLÜ
Yüksek Lisans
Türkçe
2025
Mekatronik MühendisliğiTrakya ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜRKAN TUNA
- Elektrı̇k pı̇yasalarında elektrı̇k yük talebı̇ ve gün öncesı̇ elektrı̇k fı̇yat tahmı̇nı̇: Türkı̇ye uygulaması
Electricity load demand and day-ahead electricity price forecast in electricity markets: Implementation on Turkey
FAHRETTİN FİLİZ
- Yapay zeka tabanlı bara diferansiyel koruma sistemi
Artificial intelligence based busbar differential protection system
EMRE ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- 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