Yapay Sinir Ağları İle Kısa Dönem Yük Tahmini

thumbnail.default.placeholder
Tarih
Yazarlar
Ceylan, Gülden
Süreli Yayın başlığı
Süreli Yayın ISSN
Cilt Başlığı
Yayınevi
Fen Bilimleri Enstitüsü
Institute of Science and Technology
Özet
Bu tez çalışmasında, Gölbaşı Bölgesi’ne ait gerçek güç verileri kullanılarak geriye yayılım algoritması ile eğitilen çok katmanlı yapay sinir ağı modeli ile ertesi günün 24 saatlik yük tahmini yapılmıştır. Yapay sinir ağı yönteminin etkinliğini ölçebilmek amacı ile geleneksel yöntemlerden regresyon analizi ile de tahminler yapılmıştır. Yük tahmini modeline, maksimum sıcaklık, minimum sıcaklık ve gün tipi etkileri dahil edilmiştir. Hazırlanan bilgisayar benzetim programı ile farklı mevsimlerdeki ve farklı gün tiplerindeki günler için yük tahminleri yapılmıştır. Sonuçlar gerçek güç değerleri ve regresyon analizi ile yapılan tahminler ile karşılaştırılmıştır. Sonuçlar incelendiğinde yapay sinir ağı yönteminin regresyon analizi yöntemine göre daha iyi tahminler verdiği görülmüştür.
In this thesis, 24-hour ahead short term load forecasting with real actual data of Gölbaşı Region is examined by multilayer perceptron neural network. Also, short term load forecasting is applied with regression method to measure the effectiveness of artificial neural network method. Maximum temperature, minimum temperature and day type factors are determined to construct the forecasting model. Load forecastings of different days on different seasons and different day types are examined on simulation program which is prepared with m-files of Matlab 6.5. Simulation results are compared with results of regression method and actual load values. Studies show that, artificial neural networks performance is better than regression method.
Açıklama
Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2004
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2004
Anahtar kelimeler
Yapay Sinir Ağları, Yük Tahmini, Kısa Dönem Yük Tahmini, Enerji Sistemleri, Artificial Neural Networks, Load Forecasting, Short Term Load Forecasting, Power Systems
Alıntı