Electricity consumption forecasting during the Covid-19 Pandemic using mobility data
Covıd-19 Pandemisi sırasında hareketlilik verileri kullanılarak elektrik tüketimi tahminlemesi
- Tez No: 691610
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN AYVAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Elektrik tüketimi, Makine öğrenmesi, Yapay sinir ağları, Yük tahmini, Electric consumption, Machine learning, Artificial neural networks, Load forecasting
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kısa dönemli yük tahminlemesi ekonomik ve şebeke operasyonu konularında önemli bir konsepttir. Yeni coronavirüs (COVID-19) pandemisi döneminde daha önemli ve zor bir hal almıştır. Pandemi boyunca, toplum seviyesinde alışkanlık değişiklikleri ve virüsün yayılmasına karşı hükümetlerin aldığı sıkı önlemler nedeniyle yük desenlerinde değişiklikler olmuştur. Bu çalışmada, hareketlilik değişkenleri tanıtılarak, derin öğrenme methodlarıyla birlikte geleneksel istatistiksel teknikler kullanılarak sonraki gün elektrik tüketim tahminlemesi problemi üzerine odaklanılmıştır. Türkiye genel elektrik tüketimi ve hava durumu bilgileri baz model olarak kullanılmış ve hareketlilik verilerinin tahmin isabetine katkıları ölçülmüştür. Ayrıca model geliştirme aşamasında kullanılan algoritmaların performanslarını arttırmak için hiperparametre ayarlama methodları uygulanmıştır. Sonuçlar şunu kanıtlamıştır ki pandemi boyunca hareketlilik verileri, geleneksel girilerle geliştirilen modellere oranla tahminleme hatalarını 1.48 oranında düşürerek toplum seviyesindeki davranışları açıklamak için iyi bir indikatördür.
Özet (Çeviri)
Short-term load forecasting is an important concept for both economic and grid operation contexts. It became more important and difficult during the novel coronavirus (COVID-19) pandemic period. Throughout the pandemic, load patterns are changed because of society-level habit shifts and strict government measures against the spread of the virus as stay-at-home orders or even shutdown. In this study, the one-day-ahead electricity consumption forecast problem is focused on using deep learning methods along with traditional statistical techniques by introducing mobility variables. Electricity consumption aggregated over the country, Turkey, and weather information is used as a base model, and contribution of mobility data to the forecasting accuracy is measured. Hyperparameter tuning methods are also applied to boost the performance of the algorithms used in the model development stage. The results are proved that mobility data is a good indicator for society-level behaviors during the pandemic and increased the model performance by reducing forecasting errors up to 1.48 times compared with the models with traditional inputs.
Benzer Tezler
- Kemalpaşa etlik piliç işletmelerinin teknik ve ekonomik yönden incelenmesi
Başlık çevirisi yok
HAYRİ TUNA YÜKSELEN
- The Role of wind energy conversion systems in Bozcaada's electric energy planning problem
Başlık çevirisi yok
MUHİTTİN ADAY
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiYRD. DOÇ. DR. YILDIZ ARIKAN
- Farklı şiddetteki doğru akımların kan ve koagulasyon parametreleri üzerine etkilerinin araştırılması
Başlık çevirisi yok
NURTEN ERDAL(BÜYÜKBAY)
- Türkiye'deki teknik ara insangücünün eğitimin ekonomik değeri kapsamındaki nitelikler açısından değerlendirilmesi
Başlık çevirisi yok
L.IŞIL ÜNAL
Doktora
Türkçe
1987
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. MUSTAFA AYDIN