Machine learning based optimized energy management for smart buildings
Akıllı binalar için makine öğrenimi tabanlı optimize edilmiş enerji yönetimi
- Tez No: 984833
- Danışmanlar: DR. ÖĞR. ÜYESİ NEZİHE YILDIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürdürülebilir enerji çözümlerine yönelik artan ihtiyaç, IoT, yapay zeka ve yenilenebilir enerji teknolojisini kullanan yerleşim alanları için modern Ev Enerji Yönetim Sistemlerinin (HEMS) geliştirilmesini zorlamaktadır. Bu tezde, akıllı evler için yapay zeka optimizasyonuna yönelik maliyet açısından optimize edilmiş bir EMS oluşturmak ve simüle etmek için MATLAB/Simulink yazılımını kullanıyoruz. Model, bir lityum-iyon pil depolama sistemi, güneş panelleri ve dinamik fiyatlandırmalı çift yönlü bir elektrik şebekesi içermektedir. Kısa vadeli yük tahmininde mümkün olan maksimum doğruluğu elde etmek için karmaşık kontrol, Durum akışında yazılmış kural tabanlı sezgisel mantığı, doğrusal programlama optimizasyonunu ve LSTM tabanlı makine öğrenimini birleştiren hibrit bir teknik kullanılarak yapılır. Daha sonra EMS, yük profilleri ve ışınımdaki mevsimsel değişikliklere rağmen karbon emisyonlarını, batarya döngüsünü ve şebeke bağımlılığını azaltmak için enerji akışını dinamik olarak değiştirdiğinde değerlendirilir. Simülasyon verileri, sistemin PV, batarya ve şebeke kaynakları arasında başarılı bir şekilde geçiş yapabildiğini ve maliyetleri önemli ölçüde azaltırken optimum güneş enerjisi kullanımını sağladığını göstermektedir. Ayrıca, öngörücü kontrol ve gerçek zamanlı veri analitiğinin eklenmesi, tedarik kesintilerine karşı dayanıklılığı, pik yük azaltımını ve güvenilirliği artırabilir. Akıllı EMS mimarisinin ev tipi mikro şebekelerin enerji özerkliğini ve verimliliğini artırabileceği gösterilmiştir.
Özet (Çeviri)
The growing need for sustainable energy solutions is pushing the development of modern Home Energy Management Systems (HEMS) for residential areas, which use IoT, AI, and renewable energy technology. In this thesis, we use MATLAB/Simulink software to construct and simulate a cost-optimized EMS for smart homes that is geared for AI optimisation. The model incorporates a lithium-ion battery storage system, solar panels, and a bidirectional utility grid with dynamic pricing. To obtain the maximum possible accuracy in short-term load forecasting, complex control is done using a hybrid technique that combines rule-based heuristic logic written in State flow, linear programming optimisation, and LSTM-based machine learning. The EMS is then evaluated when it dynamically modifies energy flow to reduce carbon emissions, battery cycling, and grid dependency despite seasonal variations in load profiles and irradiance. The simulation data show that the system can successfully switch between PV, battery, and grid sources to achieve optimal solar utilisation while substantially cutting costs. Furthermore, adding predictive control and real-time data analytics can increase supply disruption resilience, peak load reduction, and dependability. It has been demonstrated that the smart EMS architecture can improve household microgrids' energy autonomy and efficiency.
Benzer Tezler
- Gömülü sistemler ile yarı-girişimsel yük izleme kullanarak ev aletlerinin enerji tüketiminin takibi ve enerji tasarrufu önerilerinin sunulması
Monitoring household appliances' energy consumption using embedded systems with silm and providing energy-saving recommendations
ALİ ŞAMİL AYTEKİN
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYDIN TARIK ZENGİN
- Building energy efficiency: A data-driven machine learning approach for energy optimization
Bina enerji verimliliği: Enerji optimizasyonu için veriye dayalı makine öğrenmesi yaklaşımı
AHMAD REZA DARABI
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Makine öğrenmesi tabanlı akıllı şehir çözümleri: Bina türü tanıma, su tüketimi öngörüsü ve sızıntı tespiti
Machine learning-based smart city solutions: Building type identification, water consumption forecasting, and leak detection
RAUF YASİN
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEÇKİN ARI
- Makine öğrenmesi yöntemleriyle otonom bina yönetim sisteminde enerji tüketiminin tahmin edilmesi
Predicting energy consumption in autonomous building management system with machine learning methods
MOLDIR SABYRZHAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MAHİR DURSUN
- Data-driven prediction of lighting energy consumption in tertiary buildings using machine learning
Hizmet sektörü binalarında aydınlatma enerji tüketiminin makine öğrenmesi ile veri odaklı tahmini
AGSHIN RZAZADE
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LALE ERDEM ATILGAN