Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Estimation of energy consumption demand with artificial intelligence methods ; Enerji tüketim talebinin yapay zeka yöntemleri ile tahmini
YÖK Tez No: 533218 ; Bu çalışma, günümüz hayat şartlarının vazgeçilmezi haline gelen elektrik enerjisinin, saatlik bazda tüketim talebinin tahmini üzerine yapıldı. Enerji Piyasaları İşletme A.Ş. şeffaflık platformu tarafından sağlanan Türkiye geneli net tüketim verileri kullanıldı. Oluşturulacak modelde kullanmak için Meteoroloji müdürlüğünden sıcaklık, yağış, bulutluluk, rüzgâr, basınç ve nispi nem değerleri alındı. Bu veriler yapay sinir ağı ve destek vektör makinesi ile kurulan modellerin eğitimi ve testi için kullanıldı. Yapılan çalışmalarda model oluşturma ve analiz için WEKA uygulaması kullanıldı. Analizlerin sonucunda yaklaşık doğruluk oranı elde edildi. Neticede yapay sinir ağlarının tahminlerinin genel olarak daha doğru olduğu tespit edildi. Verilerin zamana bağlı değişiminden kaynaklı hatalardan kaçınmak için çapraz doğrulama metodu kullanıldı. Bununla beraber eksik veya yanlış veriyle karşılaştığında tahminde sapma oranının destek vektör makinesinde daha az olduğu gözlendi. ; This study based on the estimation of the consumption demand on an hourly basis of electrical energy, which has become indispensable in today's living conditions. Net consumption data collected from the Energy Markets Management Inc. transparency platform. Temperature, precipitation, cloudiness, wind, pressure and relative humidity values were taken to decide a prediction model from the Turkish State Meteorological Service. These data were used for the training and testing of models established with artificial neural network and support vector machine. WEKA application used for modeling and analysis. About 97% accuracy obtained from the analyzes. As a result, the predictions of artificial neural networks were generally more accurate. Cross-validation method was used to avoid errors due to a time-dependent change of data. However, it observed that the deflection rate was less in the support vector machine when faced with missing or incorrect data.
Estimation of energy consumption demand with artificial intelligence methods ; Enerji tüketim talebinin yapay zeka yöntemleri ile tahmini
YÖK Tez No: 533218 ; Bu çalışma, günümüz hayat şartlarının vazgeçilmezi haline gelen elektrik enerjisinin, saatlik bazda tüketim talebinin tahmini üzerine yapıldı. Enerji Piyasaları İşletme A.Ş. şeffaflık platformu tarafından sağlanan Türkiye geneli net tüketim verileri kullanıldı. Oluşturulacak modelde kullanmak için Meteoroloji müdürlüğünden sıcaklık, yağış, bulutluluk, rüzgâr, basınç ve nispi nem değerleri alındı. Bu veriler yapay sinir ağı ve destek vektör makinesi ile kurulan modellerin eğitimi ve testi için kullanıldı. Yapılan çalışmalarda model oluşturma ve analiz için WEKA uygulaması kullanıldı. Analizlerin sonucunda yaklaşık doğruluk oranı elde edildi. Neticede yapay sinir ağlarının tahminlerinin genel olarak daha doğru olduğu tespit edildi. Verilerin zamana bağlı değişiminden kaynaklı hatalardan kaçınmak için çapraz doğrulama metodu kullanıldı. Bununla beraber eksik veya yanlış veriyle karşılaştığında tahminde sapma oranının destek vektör makinesinde daha az olduğu gözlendi. ; This study based on the estimation of the consumption demand on an hourly basis of electrical energy, which has become indispensable in today's living conditions. Net consumption data collected from the Energy Markets Management Inc. transparency platform. Temperature, precipitation, cloudiness, wind, pressure and relative humidity values were taken to decide a prediction model from the Turkish State Meteorological Service. These data were used for the training and testing of models established with artificial neural network and support vector machine. WEKA application used for modeling and analysis. About 97% accuracy obtained from the analyzes. As a result, the predictions of artificial neural networks were generally more accurate. Cross-validation method was used to avoid errors due to a time-dependent change of data. However, it observed that the deflection rate was less in the support vector machine when faced with missing or incorrect data.
Estimation of energy consumption demand with artificial intelligence methods ; Enerji tüketim talebinin yapay zeka yöntemleri ile tahmini
01.01.2018
55
Hochschulschrift
Elektronische Ressource
Englisch
Energy demand , Support vector machines , Yapay sinir ağları , Enerji tüketimi , Data analysis , Electrical and Electronics Engineering , Yapay zeka , Artificial intelligence , Elektrik ve Elektronik Mühendisliği , Enerji , Enerji talebi , Veri analizi , Artificial neural networks , Destek vektör makineleri , Energy , Energy consumption
DDC:
690
BASE | 2014
|Review of Fuzzy Logic and Hydrological Modeling by Zeka^i S¸en
Online Contents | 2010
|Urban Water Consumption Estimation Using Artificial Intelligence Techniques
Springer Verlag | 2016
|BASE | 2017
|