Kamu kurumlarında makine öğrenmesi teknikleri kullanılarak elektrik tüketim tahmini ve bir uygulama
Estimation of electricity consumption in public institutions using machine learning techniques and an application
- Tez No: 987615
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL TURANOĞLU ŞİRİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada, farklı yapısal ve kullanım özelliklerine sahip üç kamu binasının (Bina-1, Bina-2 ve Bina-3) makine öğrenmesi tabanlı modellerle elektrik tüketim eğilimlerinin karşılaştırmalı olarak analiz edilmesi ve en uygun tahmin yönteminin belirlenmesi amaçlanmıştır. Yöntem: Bu kapsamda, 2013–2023 yılları arasındaki aylık tüketim verileri kullanılarak Uzun Kısa Dönemli Bellek (LSTM), K-En Yakın Komşu (KNN), Gradyan Artırmalı Karar Ağaçları (GBDT), Rastgele Orman (RF) ve Aşırı Gradyan Artırma (XGBoost) olmak üzere beş farklı model uygulanmıştır. Model performansları Kök Ortalama Kare Hata (RMSE), Ortalama Mutlak Hata (MAE) ve Ortalama Mutlak Yüzde Hata (MAPE) ölçütleriyle değerlendirilmiştir. Bulgular: Elde edilen sonuçlar, zaman serisi tabanlı LSTM modelinin özellikle yüksek değişkenliğe sahip binalarda (Bina-1 ve Bina-2) en düşük hata değerlerini üreterek en yüksek tahmin doğruluğunu sağladığını göstermiştir. Buna karşın, tüketim deseninin daha durağan olduğu Bina-3'te GBDT ve KNN modelleri ile LSTM'ye yakın, hatta bazı metriklerde daha başarılı sonuçlar elde etmiştir. Ağaç tabanlı modellerin (GBDT, RF, XGBoost) genel tüketim eğilimini yakalama konusunda güçlü performans sergilediği, ancak kısa vadeli dalgalanmalara karşı sınırlı duyarlılık gösterdiği belirlenmiştir. Sonuç: Elde edilen bulgular, elektrik tüketimi tahmininde model seçiminin bina özellikleri, mevsimsellik düzeyi ve veri dinamikleriyle yakından ilişkili olduğunu ortaya koymaktadır. Bu nedenle model performansını artırmak için hava sıcaklığı, bulutluluk, nem ve kullanım yoğunluğu gibi dışsal faktörlerin modele entegre edilmesi önerilmektedir. Bu yaklaşım, enerji verimliliği planlamalarının daha etkin yapılmasına, kamu kaynaklarının verimli kullanımına ve sürdürülebilir enerji yönetimi politikalarının geliştirilmesine katkı sağlayacaktır.
Özet (Çeviri)
Purpose: This study aimed to comparatively analyze the electricity consumption trends of three public buildings (Building 1, Building 2, and Building 3) with different structural and usage characteristics using machine learning-based models and to determine the most appropriate forecasting method. Method: In this context, five different models were implemented using monthly consumption data between 2013 and 2023: Long Short-Term Memory Network (LSTM), K-Nearest Neighbor (KNN), Gradient Boosting Decision Trees (GBDT), Random Forest (RF), and XGBoost. Model performance was evaluated using Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE). Findings: The results showed that the time-series-based LSTM model produced the lowest error values, providing the highest forecasting accuracy, especially in buildings with high variability (Building 1 and Building 2). In contrast, in Building 3, where the consumption pattern is more stable, GBDT and KNN models achieved results similar to LSTM, and even better in some metrics. Tree-based models (GBDT, RF, XGBoost) were found to exhibit strong performance in capturing general consumption trends but were less sensitive to short-term fluctuations. Results: The findings reveal that model selection for electricity consumption estimation is closely related to building characteristics, seasonality, and data dynamics. Therefore, it is recommended to integrate external factors such as air temperature, cloud cover, humidity, and usage intensity into the model to improve model performance. This approach will contribute to more effective energy efficiency planning, the efficient use of public resources, and the development of sustainable energy management policies.
Benzer Tezler
- Siber açıkların tespit edilmesi amacıyla bir uygulamanın geliştirilmesi ve siber saldırı senaryolarının incelenmesi: Türkiye örneği
Development of an application for the detection of cyber vulnerabilities and examination of cyber attack scenarios: The case of Turkiye
MEHMET ALİ TEKELİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
DOÇ. DR. EMRE AVUÇLU
- A challenge to copyright: Text and data mining
Telif hukukunda metin ve veri madenciliği
ESMA MUHEYNE DOĞAN
Yüksek Lisans
İngilizce
2024
Hukukİstanbul Medeniyet ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DOÇ. DR. CAHİT SULUK
- Taahhüt firmalarında finansal analiz ve banka kredi analizine etkileri
Başlık çevirisi yok
İBRAHİM VOLKAN BODUR
- Türkiye vakıflarında stratejik yönetim: Stratejik yönetim ekolleri üzerinden bir değerlendirme
Strategic management in Turkish foundations: An approach based on strategic management schools
ZEHRA GÜL
Yüksek Lisans
Türkçe
2025
Siyasal BilimlerMarmara ÜniversitesiSiyaset Bilimi ve Kamu Yönetimi Ana Bilim Dalı
PROF. DR. BURAK HAMZA ERYİĞİT