This paper presents multi-step forward forecasting studies using real-time generated electrical power time series. Nonlinear Automatic Regression (NAR) and Autoregressive Integrated Moving Average (ARIMA) models were created and applied to the generator power time series produced in Afşin-Elbistan Thermal B Plant. The data were divided into three categories as raw, 10-moving average and 20-moving average while the number of forwarding steps has been established as 6-step forward, 12-step forward and 20-step forward. Performance results of NAR and ARIMA models were presented with 6 scenarios, and then, the results were compared with tables and graphs. As a result of all studies, it has been observed that the model’s success was greatly affected by moving average and forward steps parameters.
ARIMA NAR Artificial Neural Network Time Series Multi-Step Forward Forecast
Bu çalışmada gerçek zamanlı üretilen elektriksel güç zaman serilerinin kullanılmasıyla çok adımlı ileriye dönük tahmin çalışmaları anlatılmaktadır. Doğrusal Olmayan Otoregresif (NAR) ve Otoregresif Hareketli Ortalama (ARIMA) modelleri oluşturulmuş ve Afşin-Elbistan Termik B Santralinde üretilen generatör güç zaman serilerine uygulanmıştır. Veriler ham, 10 hareketli ortalama ve 20 hareketli ortalama olarak üç kategoriye ayrılırken, adım sayısı 6 adım ileri, 12 adım ileri ve 20 adım ileri olarak belirlenmiştir. NAR ve ARIMA modellerinin performans sonuçları 6 senaryo ile oluşturulmuş, ardından sonuçlar tablo ve grafikler ile karşılaştırılmıştır. Tüm çalışmalar sonucunda, hareketli ortalama ve ileri adım sayısı parametrelerinin model başarısını büyük ölçüde etkilediği görülmüştür.
ARIMA NAR Yapay Sinir Ağları Zaman Serisi Çok-Adımlı İleri Tahmin
Birincil Dil | İngilizce |
---|---|
Konular | Bilgisayar Yazılımı, Elektrik Mühendisliği |
Bölüm | Araştırma Makaleleri \ Research Articles |
Yazarlar | |
Yayımlanma Tarihi | 30 Mart 2021 |
Gönderilme Tarihi | 8 Aralık 2020 |
Kabul Tarihi | 3 Şubat 2021 |
Yayımlandığı Sayı | Yıl 2021 Cilt: 9 Sayı: 1 |