Short term electricity load forecasting using machine learning techniques

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: İngilizce

Öğrenci: MUSTAFA YEŞİLYURT

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Elektrik insan hayatının en önemli parçalarından biri haline gelmiştir. Elektrik sistemlerinin sürdürülmesi ve yönetilmesi ise kompleks bir iştir. Kısa dönemli elektrik talep tahmini elektrik sistemlerinin yönetilmesinde önemli bir rol oynar. Bugüne kadar birçok metod elektrik talep tahmininde kullanılmıştır. Bu çalışmada, rastsal orman, destek vektör makineleri ve meyil yükseltme metodu gibi bazı makine öğrenmesi metodlarının kısa dönemli elektrik talep tahminindeki performansları analiz edilmiştir. Bu metodların performansları, üç yalın metodun, çeşitli zaman serisi metodlarının ve doğrusal regresyonun performansları ile karşılaştırılmıştır. Bütün metodlar, bir bölgenin saatlik elektrik taleplerini ve o bölgedeki şehirlerin saatlik sıcaklıklarını içeren bir veriseti üzerinde test edilmiştir. Makine öğrenmesi metodları ve doğrusal regresyon için takvim, sıcaklık ve geçmiş talep bilgilerine dayanan bir değişken seti oluşturulmuştur. Metodları karşılaştırmak için minimum mutlak yüzde hata performans ölçütü olarak kullanılmıştır. Deney sonuçlarına göre, makine öğrenmesi metodlarının geleneksel metodlara göre daha iyi sonuçlar gösterdiği görülmüştür.