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
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
2706.pdf
Boyut:
1.44 MB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.14 KB
Format:
Plain Text
Açıklama