Makine öğrenim yöntemlerini kullanarak gecol'daki güç yükü tahmini
Loading...
Files
Authors
Journal Title
Journal ISSN
Volume Title
Type
doctoralThesis
Access
info:eu-repo/semantics/openAccess
Publication Status
Metrikler
Total Views
7
Total Downloads
6
Abstract
Bu çalışmada, enerji tüketimini tahmin etmek için yapay bir sinir ağı kullanılmış ve SCADA
(Denetleyici Kontrol ve Veri Toplama) verilerinin enerji üretimi, sıcaklık, nem ve rüzgar hızı
gibi parametrelerle analiz edilmesi sağlanmıştır. SCADA veritabanının ön işlenmesi, Sinir Ağı
algoritması için verileri optimize etmektedir. Bir dizi deney, 5 kat çapraz doğrulamada
öğrenme verileri için 0,98 ve test verileri için 0,95 R2 değeri de dahil olmak üzere doğruluk
ve kayıp azaltımına dayalı değerlendirmelerle bir tahmin modeli oluşturmaktadır. Çalışma,
Libya Genel Elektrik Şirketi bünyesinde karar alma sürecine yardımcı olmayı amaçlayan,
özellikle yük azaltma senaryolarında ağın enerji tahmin değerine ışık tutmaktadır. Ayrıca
çalışma, Apriority algoritmasını ve Weka aracını kullanarak enerji tüketimi modellerini ortaya
çıkarmakta ve kuralların %100 güvenle altını çizmektedir. Yüksek tüketim, 5800 MW'ı aşan
güç ve 3,19 ila 8,45 km/saat aralığındaki rüzgar hızıyla; orta tüketim, 4000,5 ila 4269,5 MW
aralığındaki güç ve 16,325 ila 18,055°C aralığındaki sıcaklıkla ve düşük tüketim, 2505,5 ila
3080,5 MW aralığındaki güç ve sabah 4:00 ila 6:00 arasındaki süre içerisinde 16,325 ila
21,635°C aralığındaki sıcaklıkla ilişkilendirilmiştir. Enerji verileri sınıflandırma analizinde
Rastgele Orman algoritması 9,56 saniyede %94,651 doğruluk oranıyla en iyi performansı
sergilerken, bunu sırasıyla %93,046 ve %92,707 doğruluk oranlarıyla J48 ve Regresyon
Yoluyla Sınıflandırma algoritmaları izlemiştir. Daha hızlı alternatifler arasında yer alan ve
öğrenme süreleri 0,08 ile 0,88 saniye arasında değişen One R, Rastgele Ağaç, Karar Ağacı ve
Öznitelik Seçili Sınıflandırıcı algoritmaları, enerji yönetimi uygulamalarının daha iyi
anlaşılmasına katkıda bulunmakta ve gelecekteki çalışmalar için öngörü sağlamaktadır.
Date
2023
Publisher
Kastamonu Üniversitesi
Description
Keywords
GECOL, Enerji Tüketim Tahmini, Yapay Sinir Ağı, SCADA,
Veri Madenciliği