• Home
  • About
  • Policies
  • Contact
    • Türkçe
    • English
  • English 
    • Türkçe
    • English
  • Login
Advanced Search
View Item 
  •   Home
  • İKÜ Tezler / IKU Theses
  • Lisansüstü Eğitim Enstitüsü
  • Yüksek Lisans Tezleri / Master's Theses
  • Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program
  • View Item
  •   Home
  • İKÜ Tezler / IKU Theses
  • Lisansüstü Eğitim Enstitüsü
  • Yüksek Lisans Tezleri / Master's Theses
  • Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Makine öğrenme yöntemleri yardımıyla tüketim istatistiklerine göre talep tahmini

Load forecasting by machine learning methods

Thumbnail
View/Open
MuratcanAtalayYLTez.pdf (1.199Mb)
Author
Atalay, Muratcan
Type
Thesis
Date
2013-09
Language
tr
Metadata
Show full item record
Abstract
Elektrik enerjisi, doğası gereği büyük ölçeklerde depolanabilir değildir. Bu sebepten ihtiyaca uygun şekilde anlık üretilmelidir. Üretimin güvenilir bir şekilde sürdürülebilmesinde planlama önemli rol oynamaktadır. Hidroelektrik santrallerinde rezervuarda biriktirilen su, termal sistemlerde stoklanan yakıt miktarı ve aktif halde tutulan birim sayısı gibi kararlar elektrik üretim altyapısının kârlılığını birincil derecede etkilemektedir. Üretim planlamasının hayati bileşeni ise geleceğe dönük talep tahminidir. Talep tahmini, sektörel önemi ve tüketim örüntülerinin karmaşıklığı gereği açık araştırma konularından biridir. Bu problem üzerinde literatürde birçok farklı yöntem denenmiştir. Talebi zaman serisi olarak ele alan, talebin bileşenlerini doğrusal olarak modelleyen sistemler yanında doksanlardan itibaren makine öğrenmesi teknikleri öne çıkmaya başlamıştır. Makine öğrenmesi teknikleri geçmiş verilere dayanarak, tüketim ile etkileyen etmenler arasındaki doğrusal olmayan ilişkileri insan yardımı olmaksızın temsil edebilmektedirler. Ticari ürünlerin büyük çoğunluğunda kullanılan yapay sinir ağlarıyla beraber nispeten yeni destek vektör makineleri gibi teknikler de uygulanmaktadır. Bu çalışmada, ilki beş bin ticari işletmenin, ikincisi tüm Doğu Slovakya?nın toplam elektrik taleplerini içeren iki farklı veri kümesi kullanılmıştır. Sistem yüklerinin meteorolojik ve zamansal etmenler arasındaki bağımlılıkları dört farklı makine öğrenmesi tekniğiyle modellenerek başarımları karşılaştırılmıştır. Bu modellerden biri olan destek vektör makinelerinin, eğitim aşamasından önce ihtiyaç duyduğu parametre seçiminde üç farklı üst sezgisel yöntem denenmiş ve modelin başarımındaki etkileri araştırılmıştır. Özellik vektörü bileşenlerinin azaltılmasında temel bileşenler analizi kullanılmış ve başarım artışı incelenmiştir. Anahtar kelimeler: kısa vadeli talep tahmini, maksimum talep tahmini, yapay sinir ağları, destek vektör makineleri, rastlantısal ormanlar, parçacık sürü optimizasyonu, diferansiyel evrim, temel bileşenler analizi
Subject
Doğrusal olmayan regresyon
Nonlinear regression
Parçacık sürü optimizasyonu
Particle swarm optimization
Yapay sinir ağları
Artificial neural networks
Yük tahmini
Load forecasting
Çoklu lineer regresyon analizi
Multiple linear regression analysis
URI
http://hdl.handle.net/11413/1732
Collections
  • Bilgisayar Mühendisliği Yüksek Lisans Programı / Computer Engineering Master's Degree Program [27]

İstanbul Kültür University

Hakkında |Politika | Kütüphane | İletişim | Send Feedback | Admin

Istanbul Kültür University, Ataköy Campus E5 Karayolu Üzeri Bakırköy 34158, İstanbul / TURKEY
Copyright © İstanbul Kültür University

Creative Commons Lisansı
IKU Institutional Repository, Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.

Designed by  UNIREPOS

İKU Kütüphane


Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsTypeLanguageBy PublisherRightsPubmedScopusWoSThis CollectionBy Issue DateAuthorsTitlesSubjectsTypeLanguageBy PublisherRightsPubmedScopusWoS

My Account

Login

İstanbul Kültür University

Hakkında |Politika | Kütüphane | İletişim | Send Feedback | Admin

Istanbul Kültür University, Ataköy Campus E5 Karayolu Üzeri Bakırköy 34158, İstanbul / TURKEY
Copyright © İstanbul Kültür University

Creative Commons Lisansı
IKU Institutional Repository, Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.

Designed by  UNIREPOS