Short term electricity load forecasting based on the optimal architecture of hybrid neural network model
Hibrid sinir ağı modelinin optimal yapısına dayalı kısa süreli elektrik yükü tahmini
- Tez No: 460812
- Danışmanlar: YRD. DOÇ. DR. SHADİ ALSHEHABİ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Doğru yük tahmini almak, elektrik enerjisinden zarar gören şirketlerin güç üretme, planlama ve bakım aşamalarında en iyi kararları almasına yardımcı olur. Elektrik enerjisi, tanklarda ve rezervuarlarda stoklanabilen diğer enerji türleri gibi depolanamaz. Bu nedenle, çoğu elektrik üreten firma daima gelecekteki elektrik talebini büyük bir doğrulukla araştırmaya çalışmaktadır [1]. Bu tez, yapay zekalı sinir ağı (ANN) ve bulanık mantıksal (FL) algoritmalarını kullanarak gelecekteki elektrik yükünü tahmin etmek için kısa vadeli yük tahmini üzerine odaklanır. Birincil olarak, kısa vadeli dönem içinde köşebent yük talebini öngörme araçları olarak kullanmak suretiyle, elektrik kullanan bir organizasyonun performansını iyileştirme amacını önermekteyiz. Burada, bir sonraki haftanın verilerini önceden tahmin etmek için içinde bulunulan haftanın elektrik yükünü kullanarak elektrik yük tahminini öngörmek için sinir ağı (ANN) geliştirmeyi öneriyoruz. Bir sonraki haftanın elektrik yükü ve sinir ağı (YSA) için ikinci önerimiz, hibrid yöntemi sinir ağı ve bulanık mantıksal (ANN) sonuçlarının optimizasyonu (ANN) için kullanılan en iyi modeli bulmaktı. Son teklif ise, melez dalgacıktır. Ağdaki veri girdilerini kullanmadan önce verileri analiz edebilmek için sinir ağı ile ulaşım sonunda tüm modellerin nihai sonuçlarını karşılaştırdık ve en iyi modeli seçtik.
Özet (Çeviri)
Having the accurate electricity load forecasting truly helps the electric companies to be able to choose the best decision in generating power, planning and maintenance. The electric energy is non-storable unlike the other energy sources which we can be stored, for instance, in tanks and reservoirs. For this reason, most electric generation companies have always sought to know the future demand with great accuracy [1]. This thesis focuses on short term electricity load forecasting to predict the future electricity load by making use of the algorithm of artificial neural network (ANN) and the fuzzy logic algorithm (FL) as a primary aim to improve the performance of electricity consumer organizations through using them as tools in forecasting the load demand in the short term. Here, we propose to improve the neural network (ANN) to predict the electricity load by making use of the data of the previous week in forecasting the electricity load of the following week. Accordingly, we have found the neural network (ANN) as the optimal model, and for the second proposal, we used Adaptive Network based Fuzzy Inference System (ANFIS), the hybrid method of neural network and fuzzy logic system to optimize the results of (ANN).
Benzer Tezler
- Elektrik enerji iletim şebekelerinin optimal genişletme planlaması
Optimal expansion planning of power transmission networks
NAZİF HÜLAGÜ SOHTAOĞLU
Doktora
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NESRİN TARKAN
- Türkiye'de kurulu güç dağılımı dengelemesiyle rüzgardan enerji üretiminin üniformlaştırılması
Uniformizing energy production from wind through installed capacity balancing in Turkey
CANSU ŞİMAL BAĞLI
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Load balance forecasting based on hybrid deep neural network
Hibrit derin sinir ağına dayalı yük dengesi tahmini
HAJIR KHALAF
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEZİHE YILDIRAN
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- A comparative analysis of LSTM and lıghtgbm models in short-term electricity load forecasting: a case study from türkiye
Kısa dönemli yük tahmininde LSTM ve lightgbm modellerinin karşılaştırmalı analizi: Türkiye'den bir vaka çalışması
MUHAMMET FURKAN BAYSAL
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN