Enerji tüketimi tahmini için parçacık sürü optimizasyonu algoritması ile parametre iyileştirmeli sabit terimli gri verhulst modeli geliştirilmesi
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Elektrik enerjisinin tüketim miktarı tahmininin doğru yapılması, enerjinin verimli kullanılmasını etkileyen bir unsurdur. Günümüzde elektrik tüketim miktarını tahmin etmek için kullanılan yöntemlerin çoğu başarılı tahmin değerleri elde edebilmek için büyük veri kümelerine ya da belirli sistem şartlarına ihtiyaç duymaktadır. Özellikle, verinin kısıtlı ve sistemin belirsiz olduğu durumlarda yüksek doğruluğa sahip tahmin modelleri kurmak zorlaşmaktadır. Bu çalışma kapsamında, sistem parametrelerinin bilginin derecelendirilmiş önemine göre belirlendiği, kısıtlı veri ile yüksek doğruluğa sahip elektrik enerjisi tüketimi tahmin modeli geliştirilmesi amaçlanmıştır. Bu amaçla, Sabit Terimli Gri Verhulst (GVMCT) modelinin tüketim tahmin değeri üzerinde etkili olan parametre değerinin optimizasyonu, üst sezgisel bir algoritma olan Parçacık Sürü Optimizasyonu (PSO) algoritması ile yapılmıştır. Bunun yanında, PSO algoritmasına ait üç adet algoritma katsayısı, sürü büyüklüğü ve işlem sayısı; Bayesian optimizasyon tekniği olan Gauss süreci regresyonu ile hiperparametre optimizasyonu yapılarak elde edilmiştir. Önerilen yeni GVMCT-PSO modelinin test edilmesi ve uygulaması, ilk değer eşitliği ve son değer eşitliği olarak iki farklı ön koşulun kabulü durumunda tahmin değeri üretmek üzere gerçekleştirilmiştir. Öncelikle, modelin test edilmesi için, Amerika Birleşik Devletleri Enerji Bilgi İdaresi tarafından hazırlanan, 1949-2018 yılları arasında Amerika Birleşik Devletleri'nde, üç farklı sektörde tüketilen yıllık elektrik enerjisi miktarını gösteren veri grubundan elde edilen sonuçlar değerlendirilmiştir. Önerilen modelin uygulaması ise; iki farklı ön koşulun (ilk değer eşitliği ve son değer eşitliği) kabulü durumunda, Türkiye İstatistik Kurumu tarafından hazırlanan 1995-2017 yılları arasındaki Türkiye Cumhuriyeti'nin sanayi, mesken ve ticari veri gruplarındaki yıllık elektrik tüketimi değerleri ile gerçekleştirilmiştir. Önerilen modelin performansı, ortalama kare hata (mean squared error - MSE) , ortalama mutlak hata (mean absolute error - MAE) ve kök ortalama kare hata (root mean squared error - RMSE) performans ölçütleri ile değerlendirilmiştir. Çalışmada, birinci dereceden bir bilinmeyenli gri model (GM(1,1)), gri Verhulst model (GV), sabit terimli gri Verhulst model (GVMCT) olmak üzere üç farklı gri model ve önerilen GVMCT-PSO modeli için performans ölçütü kriterler hesaplanıp bulgular karşılaştırılmıştır. Sonuçlar, GVMCT-PSO modelinin, iki farklı ön koşulda ve üç veri grubunda diğer üç gri modele göre daha başarılı olduğunu göstermektedir.
Açıklama
Anahtar Kelimeler
Elektrik tüketimi tahmini, sabit terimli gri Verhulst, parçacık sürü optimizasyonu, parametre optimizasyonu., Electricity consumption prediction, grey Verhulst model with constant term, particle swarm optimization, parameter optimization.
