Konutlarda enerji tüketimi kestirimi için derin öğrenme ve makine öğrenme yöntemlerinin karşılaştırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: EROL YAVUZ
Danışman: Aysel Ersoy Yılmaz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde teknoloji gelişmesi ile beraber enerji ihtiyacı gittikçe artmaktadır. Bu enerji talebi artışı doğrultusunda yenilenebilir enerji üretimine önem verilmektedir. Bu yenilenebilir enerjilerin ürettikleri enerjiyi daha kolay sisteme aktarılması gereklidir. Bu yüzden yeni nesil güç sistemleri ile akıllı elektrik şebeke kavramı ortaya çıkmıştır. Akıllı şebekelerde nesnelerin interneti ile birlikte birçok veri elde edilebilmektedir. Akıllı şebekede elde edilen bu büyük veriler, uygun kullanım ve veri çıkarım yapmak için makine öğrenme yöntemleri ve derin öğrenme yöntemler ile analiz edilmesi gerekmektedir. Son yıllarda akıllı şebekelerdeki verilerin üzerine makine öğrenme ve derin öğrenme yöntemleri kullanılması hakkında araştırmalar yapılmaya başlamıştır. Bu çalışmalar makine öğrenme ve derin öğrenme yöntemlerin gerçekten akıllı şebekelerin yönetiminde veya değerlendirilmesinde daha verimli olabileceğini göstermiştir. Enerji tüketimini tahmin etmek; üretilmesi gereken enerji miktarını, depolanması gereken enerji miktarını hesaplar iken rahatlık sağlayacaktır. Ayrıca nereye, ne zaman ve ne kadar maliyet gerektiğini öngörülmesini sağlayacağından enerji yönetiminde kolaylık sağlayacaktır. Gerekli olduğu zaman tasarruf yöntemleri de daha kolay işleme sokulacaktır. Planlamalar daha sağlıklı ve daha güvenilir olacaktır. Bu çalışmada temel hedef talep faktörünün düzenlenmesi olmayıp sadece buna yönelik uygulamalarda makine öğrenme ve derin öğrenme yöntemlerinden hangisinin daha verimli olduğunu kestirmeye çalışmaktır. Derin öğrenme algoritması olarak Konvolüsyonel Sinir Ağı ve yapay sinir ağları algoritması olarak Uzun Kısa Süreli Bellek algoritması kullanılmıştır. Makine öğrenme olarak ise Rastgele Orman, K-En Yakın Komşular Regresyonu ve Doğrusal Regresyon algoritmaları kullanılmıştır. Sonuç olarak bu yöntemler kıyaslanarak yapay sinir ağları algoritması olan LSTM, en başarılı olduğu gözlenmiştir.