ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini


Thesis Type: Postgraduate

Institution Of The Thesis: Marmara University, Vocational School of Technical Sciences, Electronics and Automation, Turkey

Approval Date: 2009

Thesis Language: Turkish

Student: ÖZKAN DEMİREL

Consultant: ADNAN KAKİLLİ

Abstract:

ANFIS VE ARMA MODELLERİ İLE ELEKTRİK ENERJİSİ YÜK TAHMİNİ Elektrik enerjisi, insanın refahı ve çağdaş bir hayat sürdürebilmesi için en önemli ihtiyaçlardan biridir. Böylesine önemli bir ihtiyacın yeterli ve kaliteli bir şekilde temin edilebilmesi için elektrik enenerjisine olan talebin önceden tahmin edilerek buna göre üretime yönelik yatırımların yapılması gerekir. Bu çalışmada tahminleme yöntemlerinden Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Network Based Fuzzy Inference Systems-ANFIS), Otoregresif Hareketli Ortalamalar (Autoregressive Moving Average-ARMA), Yapay Sinir Ağları (Artificial Neural Networks-YSA) ve Regresyon teknikleri ile elektrik enerjisi talep tahminleri yapılmış ve hangi yöntemin talep tahmininde daha başarılı olduğu ortaya konulmuştur. Materyal olarak ANFIS ve YSA için Matlab 7.04 paket programının Fuzzy Logic (Bulanık Mantık) ve Neural Network (Sinir Ağı) Toolbox’ları, ARMA ve Regresyon için SPSS15 paket programı kullanılmıştır. Bu çalışmada, 1970-2007 arası Gayri Safi Milli Hasıla (GSMH), Üretilen Enerji (ÜE), Tüketilen Enerji (TE), Nüfus (N) ve Kurulu Güç (KG) verileri kullanılarak ANFIS , ARMA, YSA ve Regresyon modelleri kurulmuş ve 2006-2010 arası elektrik enerjisi talep tahminleri elde edilmiştir. ANFIS , ARMA, YSA ve Regresyon modelleri ile bulunan sonuçların karşılaştırmalı yorumları yapılarak öneriler sunulmuştur. ABSTRACT ELECTRIC ENERGY LOAD FORECASTING USING ANFIS AND ARMA METHODS Electricity power is one of the needs of people to be able to live a contemporary life and for his well-being. In order for this need to be met, it is vital that electricity is produced enough and in good quality. It is necessary to predict the need of electricity beforehand, and thereby deciding on the generation of it. In this study, of the prediction methods, Regression, ANFIS, YSA and ARMA have been used to assess the results obtained and the most successful method in the prediction of electricity demand has been determined. As materials, Fuuzy Logic and Neural Networks toolboxes of Matlab 7.04 for ANFIS, YSA and SPSS 15 for ARMA and Regression Methods were used respectively. In this study, GSMH, ÜE, TE, N and KG data have been used in the prediction of the consumed electricity between the years 1970–2007. ANFIS, ARMA, YSA and Regression models have been used and thus the energy demands between 2008–2010 have been predicted. The results obtained by ANFIS, ARMA, Regression and YSA models were compared and some suggestions were presented.