Yapay Sinir Ağları İle Kısa Dönem Yük Tahmini
Yapay Sinir Ağları İle Kısa Dönem Yük Tahmini
dc.contributor.advisor | Demirören, Ayşen | tr_TR |
dc.contributor.author | Ceylan, Gülden | tr_TR |
dc.contributor.department | Elektrik Mühendisliği | tr_TR |
dc.contributor.department | Electrical Engineering | en_US |
dc.date | 2004 | tr_TR |
dc.date.accessioned | 2015-05-12T12:47:53Z | |
dc.date.available | 2015-05-12T12:47:53Z | |
dc.description | Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2004 | tr_TR |
dc.description | Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2004 | en_US |
dc.description.abstract | 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. | tr_TR |
dc.description.abstract | 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. | en_US |
dc.description.degree | Yüksek Lisans | tr_TR |
dc.description.degree | M.Sc. | en_US |
dc.identifier.uri | http://hdl.handle.net/11527/1388 | |
dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
dc.publisher | Institute 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 | Yapay Sinir Ağları | tr_TR |
dc.subject | Yük Tahmini | tr_TR |
dc.subject | Kısa Dönem Yük Tahmini | tr_TR |
dc.subject | Enerji Sistemleri | tr_TR |
dc.subject | Artificial Neural Networks | en_US |
dc.subject | Load Forecasting | en_US |
dc.subject | Short Term Load Forecasting | en_US |
dc.subject | Power Systems | en_US |
dc.title | Yapay Sinir Ağları İle Kısa Dönem Yük Tahmini | tr_TR |
dc.title.alternative | Short Term Load Forecasting With Artificial Neural Networks | en_US |
dc.type | Thesis | en_US |
dc.type | Tez | tr_TR |