Hava durumu verilerinin kısa dönem elektrik yük tahmini üzerine etkilerinin incelenmesi
Analyzing the effects of weather data on short-term electricity load forecasting
- Tez No: 976001
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ÜNLÜ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrik, insan yaşamının en temel bileşenlerinden biridir. Ekonomik büyüme ile elektrik talebi de önemli derecede artış göstermektedir. Sürdürülebilir ekonomik büyüme ve kalkınma için sürekli ve yeterli elektrik arzı çok önemlidir. Diğer taraftan elektrik enerjisinin günümüz teknolojileri ile ekonomik olarak depolanmasının maliyetli olması ve üretildiği anda tüketilmesi gereken yapısı nedeniyle elektrik talep tahminlerinin doğru bir şekilde yapılması büyük önem arz etmektedir. Elektrik tüketim talebinin doğru bir şekilde tahmin edilmesi, enerji şirketleri için planlama ve kaynak yönetimi açısından büyük bir öneme sahiptir ve bu nedenle, hava durumunun elektrik yük tahminine olan etkilerinin tam olarak belirlenmesi gerekmektedir. Bu tez çalışması, kısa dönem elektrik tüketim tahmini üzerine yapılan deneysel çalışmaların bulgularını sunmaktadır. Çalışma, bir elektrik dağıtım bölgesi için 2021, 2022 ve 2023 yıllarına ait gerçekleşmiş saatlik veriler kullanılarak gerçekleştirilmiştir. Çalışmanın temel amacı, hava durumu verilerinin makine öğrenmesi modellerinin tahmin performansları üzerindeki etkisini derinlemesine incelemektir. Bu doğrultuda, CatBoost, LightGBM ve XGBoost gibi üç farklı güçlendirilmiş karar ağacı modeli kullanılarak, hava durumu verilerinin tahmin sürecine dahil edildiği ve hariç tutulduğu senaryolarda elektrik tüketimi tahminleri gerçekleştirilmiştir. Elde edilen tahmin sonuçları, gerçekleşmiş tüketim verileriyle karşılaştırılmıştır. Modellerin performansı MAE, MSE, RMSE, MAPE ve R2 puanı olmak üzere farklı hata metrikleri üzerinden titizlikle değerlendirilmiştir. Bulgular, hava durumu verisinin tahmin doğruluğuna olan katkısını ve modeller arasındaki performans farklılıklarını detaylı bir şekilde ortaya koymaktadır.
Özet (Çeviri)
Electricity is one of the most fundamental components of human life. Demand for electricity increases significantly with economic growth. Continuous and sufficient electricity supply is crucial for sustainable economic growth and development. On the other hand, it is of great importance to make accurate electricity demand forecasts due to the costly storage of electrical energy with today's technologies and its structure that must be consumed as soon as it is produced. Accurate forecasting of electricity consumption demand is of great importance for energy companies in terms of planning and resource management, and therefore, the effects of weather on electricity load forecasting need to be fully determined. This thesis presents the findings of an empirical study on short-term electricity consumption forecasting. The study is carried out using realized hourly data for 2021, 2022 and 2023 for an electricity distribution region. The main objective of the study is to deeply investigate the impact of weather data on the forecasting performance of machine learning models. To this end, three different augmented decision tree models such as CatBoost, LightGBM and XGBoost are used to forecast electricity consumption in scenarios where weather data is included and excluded from the forecasting process. The obtained forecasting results are compared with actual consumption data. The performance of the models is rigorously evaluated using different error metrics such as MAE, MSE, RMSE, MAPE and R2 score. The findings reveal in detail the contribution of weather data to forecast accuracy and the performance differences between the models.
Benzer Tezler
- A new forecasting system for electrical loads in the middle euphrates region using neural networks
Orta fırat bölgesindeki elektrik yükleri için yapay sinir ağları kullanarak yeni bir tahmin sistemi tasarımı
MUDHER ABDULHADI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Türkiye petrokimya sektöründe üretim planlaması: Bir doğrusal programlama uygulaması
Başlık çevirisi yok
İLHAN AZKAN
- Elektrik motorlarında dalgacık analizi yaklaşımı ile rulman arıza tanısı ve yapay zeka tabanlı bir durum izleme sistemi
Bearing fault diagnosis with the approach of wavelet analysis and a condition monitoring system based on artificial intelligence in electric motors
EMİNE AYAZ
Doktora
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT ŞEKER
- Capacity analysis in Turkey for carbon fiber production considering offshore wind turbines demand forecast
Açık deniz rüzgar türbinleri talep tahminine göre Türkiye'de karbon elyaf üretimi için kapasite analizi
SEZGİN KARABACAK
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HÜR BERSAM SİDAL
- Meteoroloji radar verilerinden optimal hava durumu tespiti için öznitelik seçimi ve yeni yöntemlerin geliştirilmesi
Feature selecti̇on for opti̇mal weather detecti̇on from meteorologi̇cal radar data and development of new methods
EREN HAMURCU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK