Çok boyutlu hibrit CNN-LSTM modeli kullanarak elektrik tüketim verilerinden tarife grubu sınıflandırması
Tariff classification with multi-dimensional deep learning using time series load data
- Tez No: 924953
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH SERTTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Mühendislik Bilimleri, Electrical and Electronics Engineering, Energy, Engineering Sciences
- Anahtar Kelimeler: Derin öğrenme, Tahmin teknikleri, Yapay sinir ağları, Yük modelleri, Yük tahmini algoritması, Deep learning, Estimation techniques, Artificial neural networks, Load models, Load prediction algorithm
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yenilenebilir Enerji Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, elektrik tüketim verilerinden yola çıkarak tüketicilerin ait oldukları tarife grubunu tahmin eden bir model geliştirmeyi hedeflenmiştir. Akıllı şebekelerin yaygınlaşması sonucunda, enerji arz ve talebinin dengelenmesinde, maliyet etkinliğinin sağlanmasında ve tüketici davranışlarını yönlendirmede, şebeke unsurlarının doğru şekilde analiz edilmesi gerekmektedir. Bu analizler Talep Tarafı Yönetimi (DSM) gibi akıllı şebeke bileşenlerinin doğru çalışması hususunda önemlidir. Tezin başlangıç bölümlerinde enerji tüketiminin genel bir çerçevesi çizilmiş, modern toplumların ekonomik büyüme ve sürdürülebilir kalkınmasındaki önemi vurgulanmıştır. Çalışmada, yenilikçi bir yaklaşımla derin öğrenme yöntemleri ile tüketim verileri sınıflandırma yapmak amacı ile Konvolüsyonel Sinir Ağları (CNN) ve Uzun Kısa Süreli Bellek (LSTM) modelleri önerilmektedir. CNN sayesinde zaman serilerine iki boyutlu bakış açısı ile ilişkisel özellikler artırılmış, LSTM ile uzun dönemli bağımlılıkları öğrenme yeteneği sayesinde verinin zamansal özellikler çıkarılmıştır. İki yöntem bir araya getirilerek karmaşık zaman serisi verileri analiz edilmiştir. Bu hibrit model, elektrik tüketiminde farklı tarifeler arasındaki sınıflandırmayı daha hassas ve doğru bir şekilde yapabilmektedir. Çalışmada kullanılan veri seti, Afyonkarahisar ilinden beş farklı tarife grubuna ait yıllık tüketim verilerini içermekte ve zamana bağlı olarak aktif, indüktif ve kapasitif tüketim ölçümlerini kapsamaktadır. Verilerin işlenmesi sürecinde, anormallikleri gidermek ve eksik değerleri tamamlamak için z-skoru gibi istatistiksel teknikler uygulanmış ve zaman serileri belirli bir boyuta getirilmiştir. Önerilen yöntem ile diğer derin öğrenme modelleri ile karşılaştırma yapıldığında önerilen modelin %87,83 eğitim, %82,37 test doğruluğu değerleri ile daha iyi sonuç verdiği çıkarılmıştır. Sonuç olarak, tezin bulguları, elektrik tüketimi verilerinden elde edilen sınıflandırmaların, kullanıcı davranışlarının analizinde ve tarife tahmininde yüksek doğruluk sağladığını ortaya koymuştur. Bu modelin, enerji dağıtım şirketlerinin müşteri segmentasyonu, talep tahmini ve talep tarafı yönetimi (DSM) gibi stratejik alanlarda kullanılabileceği ve akıllı şebeke uygulamalarına katkı sağlayabileceği belirtilmiştir. Tez, ayrıca, enerji planlamasının ve arz-talep dengesinin sürdürülebilir şekilde yönetilmesinde önemli bir araç olarak değerlendirilmektedir.
Özet (Çeviri)
In this research, it is aimed to develop a novel model that predicts the tariff group of consumers, based on electricity consumption data. After becoming widespread of Smart Grids, network elements need to be analyzed correctly in balancing energy supply and demand, ensuring cost efficiency and managing consumer behavior. These analyzes is very important for the correct operation of smart grids components such as Demand Side Management (DSM). In the initial chapters of the thesis, a general framework of energy consumption is drawn and its importance in the economic growth and sustainable development of modern societies is emphasized. In this study, a novel Conventional Neural Networks (CNN) and Long-Short Term Memory (LSTM) model is proposed to classify electricity consumption data with deep learning methods. Relational features have been increased by CNN with 2D perspective on time series data and temporal features have been extracted by LSTM talent that is learning long term independence. Complex time series data is analyzed by combining two methods. This hybrid model can classify the tariff in electricity consumption more precisely and accurately. The data set used in this study includes annual consumption data of 5 different tariff groups of Afyonkarahisar province and includes active, inductive and capacitive measurements. During the data processing, statistical methods such as z-score were applied to eliminate anomalies and determining missing values and time series are set on a same size. When the proposed model was compared with other deep learning models, it was observed that the proposed model has better results with %87,83 training accuracy and %82,37 test accuracy. As a result, the findings of the thesis revealed that the classifications obtained from electricity consumption data provide high accuracy in the analysis of user behavior and tariff prediction. It has been stated that, this model can be used in strategic fields such as consumers segmentation, demand forecasting and demand side management of energy distribution companies and can contribute smart grids applications. The thesis is also considered an important tool in sustainable management of energy planning and supply-demand balance.
Benzer Tezler
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ
- Organize sanayi bölgelerinde iş güvenliği sorunlarının teknik ve bilimsel araştırılmasında bir yöntem önerisi
Başlık çevirisi yok
MEHMET ALİ YILDIRIM
Yüksek Lisans
Türkçe
1986
Çalışma Ekonomisi ve Endüstri İlişkileriGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. İBRAHİM BOYNUKALIN
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE