Yük Tahmini Yöntemleri Ve Çukurova Elektrik Aş., Kepez Elektrik T.a.ş. Bölgelerine Uygulanması

dc.contributor.advisor Kaypmaz, Adnan tr_TR
dc.contributor.author Gürsoy, Ekrem tr_TR
dc.contributor.department Elektrik Mühendisliği tr_TR
dc.contributor.department Electrical Engineering en_US
dc.date 2000 tr_TR
dc.date.accessioned 2015-11-20T09:38:07Z
dc.date.available 2015-11-20T09:38:07Z
dc.description Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2000 tr_TR
dc.description Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2000 en_US
dc.description.abstract Bu çalışmada, istatistiksel metodlar ve yapay sinir ağları yöntemi kullanılarak ÇEAŞ ve KEPEZ Elek. T.A.Ş. Bölgelerinin uzun dönem enerji ve puant güç tahmiminleri yapılmıştır. Enerji tahminleri için önce bağımsız parametre tahminleri yapılmış; buradan geşmiş yıllara ait enerji değerleri kullanılarak regresyon analizi ve çeşitli zaman fonksiyonları ile bölgenin 2020 yılına kadar yük tahmini yapılmıştır. Ayrıca enerji tahminleri çeşitli ağ yapıları ve öğrenme algoritmaları kullanılarak yapay sinir ağları ile bulunmuştur. ÇEAŞ ve KEPEZ Elek. T.A.Ş. sistem puant güçleri ve trafo merkezlerinin puant güce katkı tahminleri, zaman fonksiyonları ve ortalama kullanım saatine bağlı olarak 2020 yılına kadar bulunmuştur. Farklı yöntemlerle elde edilen sonuçların uyumu ve önümüzdeki 20 yıl için Türkiye için öngörülen yıllık artış yüzdeleri dikkate alındığında, bölgeler için yapılan tahminler iyi sonuçlar vermektedir. tr_TR
dc.description.abstract In this study statistical methods and artificial neural networks are applied to long term load forecasting for CEAS and KEPEZ Elek. T.A.S. regions. First, independent variables are forecasted. These variables and historical energy data are used in regression analyses and time funcitons for load forecasts of regions up to year 2020. Also, loads are forecasted using different learning algorithms and networks by artificial neural networks. CEAS and KEPEZ Elek. T.A.S. peak power and transformer units power forecasts are made by time functions and average usage time, up to year 2020. The comparison of results obtained from different methods with, each other and the expected annual energy increment for Turkey up to year 2020, was in a good agreement. en_US
dc.description.degree Yüksek Lisans tr_TR
dc.description.degree M.Sc. en_US
dc.identifier.uri http://hdl.handle.net/11527/10593
dc.publisher Fen Bilimleri Enstitüsü tr_TR
dc.publisher Instıtute of Science and Technology en_US
dc.rights İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Yük tahmini tr_TR
dc.subject İstatistiksel Metotlar tr_TR
dc.subject Yapay Sinir Ağları tr_TR
dc.subject Load Forecasting en_US
dc.subject Statistical Methods en_US
dc.subject Artifical Neural Networks en_US
dc.title Yük Tahmini Yöntemleri Ve Çukurova Elektrik Aş., Kepez Elektrik T.a.ş. Bölgelerine Uygulanması tr_TR
dc.title.alternative Load Forecasting Methods And Application Of Çukurova Elektrik As., Kepez Elektrik T.A.S. Regions en_US
dc.type Thesis en_US
dc.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
1172.pdf
Boyut:
9.44 MB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.16 KB
Format:
Plain Text
Açıklama