ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini
Electric energy load forecasting using ANFIS and ARMA methods
- Tez No: 238793
- Danışmanlar: YRD. DOÇ. DR. ADNAN KAKİLLİ, YRD. DOÇ. DR. MEHMET TEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Teknik Eğitim, Electrical and Electronics Engineering, Technical Education
- Anahtar Kelimeler: Elektrik enerjisi, Electrical energy
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrik enerjisi, insanın refahı ve çağdaş bir hayat sürdürebilmesi için en önemli ihtiyaçlardan biridir. Böylesine önemli bir ihtiyacın yeterli ve kaliteli bir şekilde temin edilebilmesi için elektrik enenerjisine olan talebin önceden tahmin edilerek buna göre üretime yönelik yatırımların yapılması gerekir.Bu çalışmada tahminleme yöntemlerinden Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Network Based Fuzzy Inference Systems-ANFIS), Otoregresif Hareketli Ortalamalar (Autoregressive Moving Average-ARMA), Yapay Sinir Ağları (Artificial Neural Networks-YSA) ve Regresyon teknikleri ile elektrik enerjisi talep tahminleri yapılmış ve hangi yöntemin talep tahmininde daha başarılı olduğu ortaya konulmuştur. Materyal olarak ANFIS ve YSA için Matlab 7.04 paket programının Fuzzy Logic (Bulanık Mantık) ve Neural Network (Sinir Ağı) Toolbox'ları, ARMA ve Regresyon için SPSS15 paket programı kullanılmıştır.Bu çalışmada, 1970-2007 arası Gayri Safi Milli Hasıla (GSMH), Üretilen Enerji (ÜE), Tüketilen Enerji (TE), Nüfus (N) ve Kurulu Güç (KG) verileri kullanılarak ANFIS , ARMA, YSA ve Regresyon modelleri kurulmuş ve 2006-2010 arası elektrik enerjisi talep tahminleri elde edilmiştir. ANFIS , ARMA, YSA ve Regresyon modelleri ile bulunan sonuçların karşılaştırmalı yorumları yapılarak öneriler sunulmuştur.
Özet (Çeviri)
Electricity power is one of the needs of people to be able to live a contemporary life and for his well-being. In order for this need to be met, it is vital that electricity is produced enough and in good quality. It is necessary to predict the need of electricity beforehand, and thereby deciding on the generation of it.In this study, of the prediction methods, Regression, ANFIS, YSA and ARMA have been used to assess the results obtained and the most successful method in the prediction of electricity demand has been determined.As materials, Fuuzy Logic and Neural Networks toolboxes of Matlab 7.04 for ANFIS, YSA and SPSS 15 for ARMA and Regression Methods were used respectively.In this study, GSMH, ÜE, TE, N and KG data have been used in the prediction of the consumed electricity between the years 1970?2007. ANFIS, ARMA, YSA and Regression models have been used and thus the energy demands between 2008?2010 have been predicted. The results obtained by ANFIS, ARMA, Regression and YSA models were compared and some suggestions were presented.
Benzer Tezler
- NARMA-L2 controller design for nonlinear systems using online lssvr
Doğrusal olmayan sistemler için çevrimiçi en küçük kareler destek vektör regresyonu ile NARMA-L2 kontrolör tasarımı
GÖKÇEN DEVLET ŞEN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY ÖKE GÜNEL
- Tip-2 bulanık öbekleme yöntemleri ile zaman serilerinin modellenmesi
Time series modelling with Type-2 fuzzy clustering methods
MEHMET FURKAN DODURKA
Yüksek Lisans
Türkçe
2014
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ENGİN YEŞİL
- Yapay zeka metotlarının bir sınıflandırma probleminde karşılaştırılması
Comparison of artificial intelligience methods for a classification problem
NİLGÜN ŞENGÖZ
Yüksek Lisans
Türkçe
2016
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÖZDEMİR
- Ekstrem rüzgarların yapay sinir ağları ve çoklu lineer regresyon kullanılarak kısa süreli tahmini
Short term prediction of extreme winds using artificial neural network and multiple lineer regression
MELEK AKIN
Yüksek Lisans
Türkçe
2018
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. AHMET ÖZTOPAL
- Bulanık mantık tabanlı sinirsel ağlarla robot kontrolü
Robot control with fuzzy based neural networks
ZAFER ORTATEPE
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN PARLAKTUNA