Implementing support vector regression method in electricity price forecasting
Elektrik takas fiyat tahmini için destek vektör regresyon yöntemi uygulaması
- Tez No: 357142
- Danışmanlar: DOÇ. DR. MELİH KIRLIDOĞ, PROF. DR. SENİYE ÜMİT OKTAY FIRAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Düzensiz elektrik piyasalarında, risk yönetim stratejilerini geliştirmek ve pazar katılımcılar için karar verme süreci, elektrik fiyat tahmininde kritik bir konudur. Bu tezde, elektrik fiyatları eğitmek ve tahmin etmek için Destek Vektor Regresyon (SVR) yöntemi kullanılmıştır çünkü birçok gerçek dünya sorunlarını olağanüstü performansıyla çözmüştür. Ancak, en iyi istenen sonuçları elde etmek için SVR hiper parametreleri uygun şekilde belirlenmelidir. Diğer taraftan, fiyat tahmininde kullanılan birçok özellik vardır ve yüksek olasılıkla bazıları alakasız ya da gereksizdir. Bu nedenle, bu özellikler ilgili alt kümesini seçmek için gerekli görünmektedir. Bu çalışmanın amacı, gün öncesi Türkiye elektrik piyasasında elektrik fiyatını basit olası bir model ve aynı zamanda yüksek hassasiyetle tahmin etmektir. Alt kümesi seçimi özelliği gibi SVR'ın uygun parametre seçiminde de önemli SVR öngörü doğruluğunu artırabilir. Doğa esinli algoritmaların (NIH) parametre belirlenmesi ve alt kümesi seçimi özelliği gücü nedeniyle, bu çalışmada SVR hiper parametreleri belirlenmesi ve aynı anda alt kümesi seçimi özelliğinde NIH teknikleri kullanılmıştır. Yapay arı koloni algoritması (ABC), SVR ile Türkiye Gün Öncesi elektrik piyasa fiyatı tahmini dolayısıyla eşzamanlı parametre belirlenmesi ve alt kümesi seçimi özelliğiyle kullanılmıştır. Performans ve modelimizin etkinliğini anlama amacıyla, Parçacık Sürü Optimizasyonu algoritması (PSO) karşılaştırmak için kullanılmıştır. Sonuçlar ABC'nin PSO'dan daha iyi performans ve sonuçlar verdiğini göstermektedir.
Özet (Çeviri)
In deregulated electricity markets, electricity price prediction is a critical issue to develop risk management strategies and decision making process for market contributors. In this thesis, Support Vector Regression (SVR) used to train and predict electricity prices because of its outstanding performance in solve many real world problems. But in order to achieve best desirable results, SVR hyper-parameters should be determined appropriately. On the other hand, there are many features used in price forecasting and with high possibility some of them are irrelevant or redundant. Because of this reason it seems necessary to select relevant subset of features. The aim of this study is to predict day-ahead electricity price in Turkey electricity market with high accuracy and also with simple possible model. Feature subset selection as well as convenient parameter selection of the SVR can improve the SVR prediction accuracy considerably. Due to ability of the nature inspired heuristic (NIH) in both parameter determination and feature subset selection, this study attempt to use NIH techniques to SVR hyper-parameters determination and feature subset selection simultaneously. Artificial bee colony algorithm (ABC), used to simultaneous parameter determination and feature subset selection due to Turkey Day-Ahead electricity market price prediction with SVR. In order to figure out performance and efficiency of model, Particle Swarm Optimization algorithm (PSO) used for comparison. Results show that the ABC outperforms the PSO and gives better results.
Benzer Tezler
- Destek vektör makineleri yardımıyla tüketici kredilerinin sınıflandırılması
Classifying consumer loans by means of support vector machines
KAYAHAN KAYA
Yüksek Lisans
Türkçe
2016
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Incorporation of foreign exchange risk to Fama-French factor model: A study on Borsa İstanbul
Döviz kuru riskini içeren Fama-French faktör modeli: Borsa İstanbul üzerine bir çalışma
FURKAN HÖÇÜK
Yüksek Lisans
İngilizce
2022
MaliyeOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. ESMA GAYGISIZ LAJUNEN
- Data reduction methods in just-in-time-learning
Anında öğrenim ve veri azaltma yöntemleri
ONUR CAN BOY
Yüksek Lisans
İngilizce
2021
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURAK ALAKENT
- Design of a wearable sensor system for artificial intelligence based motion analysis in telerehabilitation
Telerehabilitasyon amaçlı yapay zekâ tabanlı hareket analizi içingiyilebilir sensör sistemi tasarımı
AHMED ABDELWAHAB MAHGOUB HAKIM
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÖLEN KUMBAY YILDIZ
PROF. DR. ATİLA YILMAZ
- Proje yönetimi kapsamında risk tabanlı ve yapay zeka destekli bir maliyet tahmin modeli
A risk based and artificial intelligence supported estimation model in project management
ERSİN NAMLI
Doktora
Türkçe
2012
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR ESNAF