Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması
Load forecasting analysis of power systems using long short-term memory and applicati̇on
- Tez No: 684662
- Danışmanlar: PROF. DR. MEHMET KURBAN, DOÇ. DR. EMRAH DOKUR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yük tahmini, güç sistemlerinin planlanması ve işletilmesindeönemli bir role sahiptir. Enerji piyasalarının özelleştirilmesi, her katılımcının rakipler üzerinde bir tür avantaj elde etmek için daha iyianaliz yapmak ve tahmin modellerini oluşturmak, geliştirmek için çabalamış oldukları rekabetçi pazarların oluşmasına neden olmaktadır.Tahmin, yükü etkileyen faktörlereve farklı zaman dilimlerine bağlıdır. Bununla birlikte, stokastik ve belirsizlik özellikleri nedeniyle, elektrik hizmetlerinin gelecekteki yük talebini doğru bir şekilde tahmin edilmesizor bir problem haline gelmiştir. Yük tahmini yaklaşımlarında yapay sinir ağları (YSA) en yaygın kullanılan yöntemlerden biri olmasına rağmen günümüzde hibrit yaklaşımlar ve derin öğrenme teknikleri gibi çeşitli yaklaşımlarda kullanılmaktadır. Uzun-kısa süreli bellek (LSTM), Tekrarlayan Sinir Ağları (RNN) modelleriyle birlikte gelen yok olan gradyan problemini çözdüğü görülmektedir.Bu tez çalışmasında, kısa ve orta vadelisaatlik yük tahmini için LSTM ve YSA tabanlı iki yöntem kullanılmaktadır. Ayrıca yaygın olarak kullanılan makine öğrenimi yaklaşımlarıiçin iki farklı modelin karşılaştırılması yapılmaktadır.Model 1 ve Model 2 olarak adlandırılan iki farklı zaman aralığı için tahmin modelleri oluşturulmuştur. Tahmin modellerinin performansları, ortalama mutlak yüzdehatası (MAPE), ortalama mutlak hata (MAE) ve hata kareler ortalamasının karekökü(RMSE) gibi çeşitli hata performans metrikleri kullanılarak karşılaştırılmıştır. Sonuç olarak, bu tez çalışmasındaLSTM ve YSA yöntemleri yardımıyla Türkiye'deki2017-2019 yılları arasındaki yıllıkelektrik enerjisi tüketim verilerininbirden çok zaman diliminde elektrik tüketiminintahmin edilmesi ve tahmin sonuçlarınınperformansının belirlenmesiamaçlanmaktadır.Yapılan bu analizler sonucunda normalizeli yük tahmini çalışmasında, en düşük ortalama günlük hata yüzdelerini LSTM yapısınınverdiği görülmüştür. Tüm hata performans metriklerinin sonuçlarına göre LSTM modelinin klasik YSA modeline göre daha iyi sonuç verdiği gözlemlenmiştir. Buna ek olarak hata metriklerine göre LSTM ve YSA için önerilen Model 1'nin başarımı Model 2'den daha düşükolduğu görülmüştür.
Özet (Çeviri)
Load forecasting plays an important role in the planning and operation of power systems. The privatization of energy markets results in the creation of competitive markets in which each participant strives to create and develop better analysis andforecasting models in order to gain some kind of advantage over competitors. The forecast is affected by factors affecting the load and actions taken in different time periods. However, due to its stochastic and uncertainty characteristics, it has become a difficult problem for electrical utilities to accurately predict future load demand. Although artificial neural networks (ANN) are used as the most widely used method in load estimation approaches, hybrid approaches and deep learning techniques are amongthe popular research topics today. Long-short-term memory (LSTM) appears to solve the vanishing gradient problem that comes with RNN models. In this thesis, two methods based on LSTM and ANN are used for aggregate demand-side load forecasting in short and medium-term monthly horizons. Two different models are compared for widely used machine learning approaches. Forecast models are created for two different time horizons called Model 1 and Model 2. The performances of the prediction models were compared using various error performance metrics such as mean absolute percent error (MAPE), mean absolute error (MAE), and root mean square error (RMSE). With the help of ANN methods, it is aimed to test the success of estimating electricity consumption in more than one time period of consumption amounts in Turkey. In the normalized load estimation study, it was seen that the LSTM structure gave the lowest average daily error percentages. According to the results of all error performance metrics, it was observed that the LSTM model gave better results than the classical ANN model. In addition, according to some error metrics, the performance of Model1 proposed for LSTM and ANN is lower than Model 2.
Benzer Tezler
- Mikro bilgisayarla güç kompanzasyonu
Başlık çevirisi yok
NAFİZ ÜNLÜ
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUludağ ÜniversitesiElektronik Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Özel düzenlenmiş plyometrik antrenmanların genç basketbolcuların anaerobik güç performansına etkisi
Effects of regular specific plyometric training on anaerobic power of young basketball players
YÜKSEL SAVUCU
Yüksek Lisans
Türkçe
2001
SporFırat ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ.DR. MEHMET KUTLU