Kısa Dönem Elektrik Talep Tahminleri İçin Yapay Sinir Ağları ve Uzman Sistemler Tabanlı Hibrid Tahmin Sistemi Geliştirilmesi

Yıl 2017, , 0 - 0, 13.06.2017

Mehmet Bulut , Benan Başoğlu

https://doi.org/10.17341/gazimmfd.322184

Cited By: 15

Öz

ÖZET  

Elektrik enerjisi modern dünyada yüksek refah seviyesi ve rahat yaşam standartları açısından en fazla önem taşıyan metalardan bir tanesidir. Elektrik arzgüvenliğinin sağlanabilmesi doğru elektrik talep tahminlerinin yapılmasını gerektirmektedir. Bu çalışmada, Türkiye’nin piyasa ve mevsimsel koşulları göz önüne alınarak, yapay sinir ağları ve uzman sistemlerin birlikte kullanıldığı, kısa vadeli elektrik talep tahminlerinde yüksek doğrululuk derecesi sağlayan bir hibrit sistem geliştirilmiştir. EPSİM-NN adı verilen yeni tahmin sisteminde, günlük ortalama saatlik talep miktarı ve 24 saatlik talep şekli iki farklı yapay sinir ağı kullanılarak belirlenmektedir. Bu ağlardan elde edilen sonuçlar birleştirilerek günlük talep tahmini elde edilmektedir. Hesaplanan tahmin değerleri, yakın zaman talep trendlerininkullanıldığı bir uzman sistemden geçirilerek tahminlerdeki hatalar minimize edilmektedir. Söz konusu sistem kullanılarakTürkiye için yapılan tahminlerin gerçekleşen değerlerle karşılaştırılması sonucunda, EPSİM-NN tarafından oluşturulan tahminlerin doğruluk derecelerinin oldukça yüksek olduğu görülmüştür.

 

 

Anahtar Kelimeler

Uzman istemler, Yapay sinir ağları, Elektrik üretimi, Talep tahmini

Kaynakça

• Liu N., Babushkin V. And Afshari A., Short-Term Forecasting of Temperature Driven Electricity Load Using Time Series and Neural Network Model, Journal of Clean Energy Technologies, 2(4), 327-331, 2014.
• Ericson T. Short-term electricity demand response, Thesis for the degree doktor ingeniør, Norwegian University of Science and Technology, Faculty of Information Technology, Trondheim, March 2007.
• Kandananond K., Forecasting Electricity Demand in Thailand with an Artificial Neural Network Approach, Energies 4(1), 1246-1257, 2011.
• AbuAl-Foul B., Forecasting Energy Demand in Jordan Using Artificial Neural Networks, Topics in Middle Eastern and African Economies, 14(1), Sept 2012.
• Kheirkhah A., Azadeh A., Saberi M., Azaron A., Shakouri H., Improved Estimation of Electricity Demand Function By Using Of Artificial Neural Network, Principal Component Analysis And Data Envelopment Analysis, Computers & Industrial Engineering, 64(1), 425-441, 2013.
• Assareh E., Behrang M.A., Assareh R., Hedayat N., Integration of Artificial Neural Network and Intelligent optimization techniques on world electricity consumption estimation, World Academy of Science, Engineering and Technology, 73(1), 2011.
• Chogumaira, E.N., Hiyama, T., “Short-Term Electricity Price Forecasting Using a Combination of Neural Networks and Fuzzy Inference”, Energy and Power Engineering, 3, 9-16, 2011.
• Ozoh P., Abd-Rahman S., Labadin J., Apperley M., A Comparative Analysis of Techniques for Forecasting Electricity Consumption, Int. Journal of Computer Applications, 88(15), 2014.
• Baliyan A., Gaurav K., Mishra S.K., A Review of Short Term Load Forecasting using Artificial Neural Network Models, Int. Conf. on Computer, Communication and Convergence (ICCC2015), 48(1), 121-125, 2015.
• Baziar A., Kavousi-Fard A., Short Term Load Forecasting Using A Hybrid Model Based On Support Vector Regression, Int. Journal Of Scıentıfıc & Technology Research, 4(5), May 2015.
• Avni Es H.A., Kalender F.Y., Hamzaçebi C., Yapay Sinir Ağları İle Türkiye Net Enerji Talep Tahmini, Journal Of The Faculty Of Engineering And Architecture Of Gazi University, 29(3), 495-504, 2014.
• Soysal A., Akkurt A., Yapay Sinir Ağları Ve Türkiye Elektrik Tüketimi Tahmin Modeli, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2005.
• Aslan Y., Yaşar C., Nalbant A.,Electrical Peak Load Forecasting in Kütahya with Artificial Neural Networks, Dumlupınar Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 11(1), 2006.
• Enerji Piyasaları İşletme A.Ş. (Epiaş), seffaflik.epias.com.tr/transparency/tuketim/tahmin/yuk-tahmin-plani.xhtml
• Philip C., Jackson Jr., Introduction to Artificial Intelligence, Dover Publications, 2. edition, June 1985.
• Samarasinghe S., Neural Networks for Applied Sciences and Engineering: From Fundamentals to Complex Pattern Recognition, Auerbach Publications, First Edition, Sept 2006.
• Otkun Ö., Doğan R.Ö., Akpınar A.S., Neural Network Based Scalar Speed Control Of Lınear Permanent Magnet Synchronous Motor, Journal of the Faculty of Engineering and Architecture of Gazi University, 30 (1), 395-404, 2015.
• Giarratan J. Expert Systems: Principles and Programming, Course Technology, 4. Edition, Oct 2004.
• Yurtcu1 Ş., Özocak A., Prediction Of Compression İndex Of Fine-Grained Soils Using Statistical And Artificial İntelligence Methods, J. of the Faculty of Engineering and Architecture of Gazi University, 31(3), 597-608, 2016.
• Yük Tevzi Bilgi Sistemi, ytbs.teias.gov.tr