Türkiye elektrik enerjisi talep tahmini için ağaç-tohum programlama yaklaşımı
Yükleniyor...
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Enerji yaşamın sürdürülebilmesi için en önemli etkenlerden biridir. Bir ülkenin ekonomik, sosyal, teknolojik gelişiminde önemli bir yere sahiptir. Son on yılda dünya genelinde enerji tüketiminin üssel olarak arttığı durumu, giderek artan dünya nüfusunu, yaşam standartlarını göz önünde bulundurursak enerji talep yönetimi bir global problem olarak ortaya çıkmaktadır. Bundan dolayı enerji modellerinin geliştirilmesi enerji yönetiminde en önemli faktörlerden biridir. Çünkü iyi bir enerji modeli, verimli enerji planlamasına, enerji tahminine, enerji kaynaklarının optimizasyonuna yardımcı olmaktadır. Fakat, enerji tüketimine etki eden çok sayda faktör ve onların belirsizlikleri nedeniyle, enerji talebi için kesin bir fiziksel model oluşturmak mümkün değildir. Bu nedenle, enerji talebi; iklim faktörlerinin, çalışma koşullarının, vb. enerji tüketimine etki eden diğer faktörlerin tüketime etkisini tanımlayan istatiksel modellere dayanarak hesaplanmaktadır. Modellemede son zamanlarda yapay zeka teknikleri de geniş olarak kullanılmaktadır. Bu çalışmada, Türkiye'nin elektrik enerjisi tüketimi modellenmesi için yapay zeka tekniği olarak Ağaç-tohum algoritmasının (Tree-seed algorithm- TSA) otomatik programlama için sunulan yeni versiyonu Ağac-tohum programlaması( Tree-seed programming- TSp) kullanılmıştır. TSA, ağaç ve onların tohumları arasındakı ilişkiden esinlenerek, popülasyon tabanlı, sezgisel algoritma olarak 2015 yılında sürekli optimizasyon problemlerinin çözümü için sunulmuştur. TSA'nın genişletilmiş versiyonu olarak TSp, çözüm temsili için ağaç tabanlı çarpazlama kullanan otomatik programlama yaklaşımıdır. TSp'yi geliştirmek için doğrusal kodlama ve gelişen kurallar ağaç kodlamasına göre değiştirilmiştir. TSp, önce sembolik regresyon problemleri üzerinde test edilip, verimliliği ve performansı değerlendirilmiştir. Bazı fonksiyonlar üzerinde iyi sonuçlar elde eden TSp farklı problemler için uygulanabilir bir yaklaşım olduğunu göstermiştir. TSp, elektrik enerjisi modellenmesi için gayrisafi yurtiçi hasıla (gross domestic product- GDP), nüfus, ithalat, ihracat indikatörlerinin 1992-2016 yılları arasındakı verileri üzerinde uygulanmıştır. TSp'nin performans değerlendirmesi için otomatik programlama yöntemi olan GP aynı problem için uygulanmıştır. Elde edilen sonuçlar TSp nin hem eğitim, hem de test verisi üzerinde GP ile kıyasda daha iyi sonuçlar elde etdiğini göstermektedir. Daha sonra TSp uygulanarak elde edilen nihai elektrik enerjisi tüketim modeli iki senaryo altında 2017-2025 yılları için tahmin problemine uygulanmıştır.
Energy is one of the most critical factors for sustainable life. It has an essential place in the economic, social and technological development of a country. In the last decade, energy demand management has emerged as a global problem, considering the situation where energy consumption increases exponentially in the world, increasing world population and living standards. The development of energy models is one of the most important factors in energy management. Because a good energy models helps to efficient energy planning, energy estimation, optimize energy resources. However, due to the large number of factors that affect energy consumption and their uncertainty, it is not possible to create a definite physical model for energy demand. Therefore, energy demand is calculated based on statistical models, which define the effect of climate factors, working conditions, etc. on the consumption of other factors affecting energy consumption. Recently, artificial intelligence techniques have been widely used in modeling. In this study, Turkey's electricity consumption is modeled by artificial intelligence techniques, namely Tree-seed Programming (TSp), which is a new version of Tree-seed algorithm for automatic programming. Inspired by the relationship between the tree and their seeds, TSA has been presented as a population based, heuristic algorithm for the solution of continuous optimization problems in 2015. As an extended version of TSA, TSp is an automated programming approach that uses a tree-based crossover for solution representation. To improve TSp, linear coding and developing rules have been changed according to tree encoding. TSp firstly was tested on symbolic regression problems and evaluated its efficiency and performance. TSp, which has good results on some functions has shown that it is an applicable approach for different problems. TSp has been applied to the data of the gross domestic product (GDP), population, import and export indicators between 1992-2016 for electrical energy modeling. To evaluate the performance of TSp automatic programming technique, Genetic Programming (GP) has been applied for the same problem. The results show that TSp achieves better results on both training and test data than GP. Electricity consumption model obtained by applying TSp was implemented to the estimation problem for the years 2017-2025 under two scenarios.
Energy is one of the most critical factors for sustainable life. It has an essential place in the economic, social and technological development of a country. In the last decade, energy demand management has emerged as a global problem, considering the situation where energy consumption increases exponentially in the world, increasing world population and living standards. The development of energy models is one of the most important factors in energy management. Because a good energy models helps to efficient energy planning, energy estimation, optimize energy resources. However, due to the large number of factors that affect energy consumption and their uncertainty, it is not possible to create a definite physical model for energy demand. Therefore, energy demand is calculated based on statistical models, which define the effect of climate factors, working conditions, etc. on the consumption of other factors affecting energy consumption. Recently, artificial intelligence techniques have been widely used in modeling. In this study, Turkey's electricity consumption is modeled by artificial intelligence techniques, namely Tree-seed Programming (TSp), which is a new version of Tree-seed algorithm for automatic programming. Inspired by the relationship between the tree and their seeds, TSA has been presented as a population based, heuristic algorithm for the solution of continuous optimization problems in 2015. As an extended version of TSA, TSp is an automated programming approach that uses a tree-based crossover for solution representation. To improve TSp, linear coding and developing rules have been changed according to tree encoding. TSp firstly was tested on symbolic regression problems and evaluated its efficiency and performance. TSp, which has good results on some functions has shown that it is an applicable approach for different problems. TSp has been applied to the data of the gross domestic product (GDP), population, import and export indicators between 1992-2016 for electrical energy modeling. To evaluate the performance of TSp automatic programming technique, Genetic Programming (GP) has been applied for the same problem. The results show that TSp achieves better results on both training and test data than GP. Electricity consumption model obtained by applying TSp was implemented to the estimation problem for the years 2017-2025 under two scenarios.
Açıklama
Anahtar Kelimeler
enerji tüketimi modellenmesi, Automatic Programming, genetik programlama, Energy Consumption Modelling
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yunusova, P. (2019). Türkiye Elektrik Enerjisi Talep Tahmini İçin Ağaç-Tohum Programlama Yaklaşımı. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
