Uzun dönem yük tahmini: Etiyopya örneği
Yükleniyor...
Dosyalar
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Elektrik enerjisi, modern dünyanın vazgeçilmez bir parçası haline gelmiştir. Etiyopya dünyanın en hızlı gelişmekte olan ülkelerden biri olarak her yıl elektrik talebi oldukça yükselmektedir. Bu talebi karşılayabilmek uzun dönem yük tahmini önemlidir. Uzun dönem yük tahmininde en önemli hususlardan biri güvenilir bir tahmin yöntemi seçmektir. Bu tez çalışmasında Etiyopya'nın uzun dönem elektrik enerjisi talebi Genetik Algoritma, Genetik Programlama, Parçacık Sürü Optimizasyonu ve Benzetilmiş Tavlama algoritmaları kullanılarak tahmin edilmiştir. Genetik Programlama hariç diğer algoritmalarda doğrusal, karesel ve üstel regresyon modelleri seçilmiş ve parametre katsayıları optimum olarak belirlenmiştir. Model giriş verileri olarak nüfus, gayrı safı yurtiçi hasıla, ithalat ve ihracat verileri kullanılmıştır. Etiyopya'nın 2031 yılına kadar olan elektrik enerjisi talepleri iki farklı senaryoya göre tahmin edilmiştir. Birinci senaryoda giriş verilerinin son 3 yılda gösterdiği büyüme oranının ortalaması alınmıştır. İkinci senaryoda ise giriş verilerinin son 5 yılda gösterdiği büyüme oranının ortalaması alınmıştır. Sonuçlara göre, Genetik Programlama kullanarak geliştirilen iki modelden birincisi 0,9928 R2 değeri ile daha başarılı sonuçlar üretmiştir. Diğer üç algoritmanın karşılaştırmasında ise, özellikle Parçacık Sürü Optimizasyonu algoritmasının Genetik Algoritma ve Benzetilmiş Tavlama algoritmalarından daha iyi performans sergilediği tespit edilmiştir.
The role of electrical energy in the modern world is now indispensable. As Ethiopia is one of the fastest developing countries in the world, the demand for electricity has increased considerably in recent years. It is of great importance to undertake long-term load forecasting to meet this demand. One of the most crucial aspects of long-term load forecasting is the selection of a dependable forecasting methodology. In this thesis, the long-term electricity demand of Ethiopia is estimated using a variety of algorithms, including Genetic Algorithm, Genetic Programming, Particle Swarm Optimization and Simulated Annealing. Except for Genetic Programming, linear, quadratic and exponential regression models were selected, and the parameter coefficients were determined to be optimal. The model input data comprised population, gross domestic product, import and export data. The projected electricity demand of Ethiopia until 2031 is estimated according to two distinct scenarios. In the initial scenario, the growth rate of the input data over the previous three years is averaged. In the second scenario, the growth rate of the input data over the last five years is averaged. The results demonstrate that the first of the two models developed using genetic programming yielded more successful outcomes, with an R² value of 0.9928. In comparing the other three algorithms, it was found that the particle swarm optimization algorithm performed better than the genetic algorithm and simulated annealing algorithms.
The role of electrical energy in the modern world is now indispensable. As Ethiopia is one of the fastest developing countries in the world, the demand for electricity has increased considerably in recent years. It is of great importance to undertake long-term load forecasting to meet this demand. One of the most crucial aspects of long-term load forecasting is the selection of a dependable forecasting methodology. In this thesis, the long-term electricity demand of Ethiopia is estimated using a variety of algorithms, including Genetic Algorithm, Genetic Programming, Particle Swarm Optimization and Simulated Annealing. Except for Genetic Programming, linear, quadratic and exponential regression models were selected, and the parameter coefficients were determined to be optimal. The model input data comprised population, gross domestic product, import and export data. The projected electricity demand of Ethiopia until 2031 is estimated according to two distinct scenarios. In the initial scenario, the growth rate of the input data over the previous three years is averaged. In the second scenario, the growth rate of the input data over the last five years is averaged. The results demonstrate that the first of the two models developed using genetic programming yielded more successful outcomes, with an R² value of 0.9928. In comparing the other three algorithms, it was found that the particle swarm optimization algorithm performed better than the genetic algorithm and simulated annealing algorithms.
Açıklama
Anahtar Kelimeler
Etiyopya, Benzetilmiş Tavlama, Genetik Algoritma, Genetik Programlama, Uzun Dönem Yük Tahmini, Parçacık Sürü Optimizasyonu, Ethiopia, Simulated Annealing, Genetic Algorithm, Genetic Programming, Long Term Load Forecasting, Particle Swarm Optimization
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Issa, H. A. (2024). Uzun dönem yük tahmini: Etiyopya örneği. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
