SavedAdd your journal

Journals / Düzce Üniversitesi Bilim ve Teknoloji Dergisi / 2019 / Cilt: 7 - Sayı: 3

Comparison of Energy Consumption Prediction Methods With ANN AND ANFIS Techniques

YSA VE ANFIS Tekniklerine Dayalı Enerji Tüketim Tahmin Yöntemlerinin Karşılaştırılması

Fırat EKİNCİ
Pages
1029–1044
Publication Date
2022-10-12
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu çalışmada, 1970-2015 yıllarına ait Türkiye elektrik enerjisi verileri işlenmiş ve Yapay Sinir Ağları (YSA) ve Adaptif Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) yöntemleri ile yapılan tahminler gerçekleşen tüketim değerleri karşılaştırılarak iki yöntemin performans analizi yapılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Enerji tüketimi, ülkelerin sosyal ve ekonomik gelişmişliğini gösteren en önemli faktörlerden biridir.
📊
Key Findings & Data:Enerjinin planlaması ve yönetiminin doğru ve güvenilir olması ekonomik ve doğal kaynakların etkin kullanılmasını sağlayacaktır.
💡
Conclusion & Impact:Bu çalışmada, 1970-2015 yıllarına ait Türkiye elektrik enerjisi verileri işlenmiş ve Yapay Sinir Ağları (YSA) ve Adaptif Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) yöntemleri ile yapılan tahminler gerçekleşen tüketim değerleri karşılaştırılarak iki yöntemin performans analizi yapılmıştır.
🔬Design:Modeling & Simulation
📍Scope:2015 Verileri
⚙️Variables:Enerji tahmini · Yapay Sinir Ağı · Enerji tüketimi

Özet

Enerji tüketimi, ülkelerin sosyal ve ekonomik gelişmişliğini gösteren en önemli faktörlerden biridir. Son yıllarda, Türkiye'nin enerji talebi de yaşanan ekonomik ve sosyal büyüme ile birlikte artmaktadır. Artan enerji talebinin planlanması ve yönetilmesi ülkenin enerji politikası için hayati öneme sahiptir. Enerjinin planlaması ve yönetiminin doğru ve güvenilir olması ekonomik ve doğal kaynakların etkin kullanılmasını sağlayacaktır. Enerji planlanması ve yönetiminde tahmin yöntemleri ve algoritmalar enerji talebinin belirlenmesinde kullanılan en yaygın yöntemlerdir. Elektrik enerjisi talebi bölgesel, mevsimsel ve anlık dalgalanmalar gösterebilmektedir. Bu nedenle, tahmine etki eden faktörlerin doğru belirlenmesi ve değerlendirilmesi gerekir. Yaşanan ekonomik büyüme birlikte artan konut ihtiyacı da enerji talebini artırmaktadır. Bu çalışmada, 1970-2015 yıllarına ait Türkiye elektrik enerjisi verileri işlenmiş ve Yapay Sinir Ağları (YSA) ve Adaptif Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) yöntemleri ile yapılan tahminler gerçekleşen tüketim değerleri karşılaştırılarak iki yöntemin performans analizi yapılmıştır.

🔖

Cite This Article

EKİNCİ, F. (2022). Comparison of Energy Consumption Prediction Methods With ANN AND ANFIS Techniques. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, Cilt: 7 - Sayı: 3, 1029–1044. https://ajindex.com/articles/494471

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (1)

  1. Anonim, (20.11.2018) [Online] erişim Enerji ve Tabii kaynaklar Bakanlığı(ETKB); https://www.enerji.gov.tr/tr-tr/sayfalar/elektrik www.enerji.gov.tr [2] V. Ş. Ediger ve H. Tatlıdil, “Forecasting the primary energy demand in Turkey and analysis of cyclic patterns”, Energy Conversion and Management, vol. 43, no 4, pp. 473-487,. 2002 [3] Z. Yumurtaci ve E. Asmaz, “Electric Energy Demand of Turkey for the Year 2050”, Energy Sources, vol. 26, no 12, pp. 1157-1164, 2004. [4] H. Ceylan ve H. K. Ozturk, “Estimating energy demand of Turkey based on economic indicators using genetic algorithm approach”, Energy Conversion and Management, vol. 45, no15-16, pp. 2525-2537, 2004. [5] O. Ersel Canyurt, H. Ceylan, H. Kemal Ozturk, ve A. Hepbasli, “Energy Demand Estimation Based on Two-Different Genetic Algorithm Approaches”, Energy Sources, c. 26, sy 14, ss. 1313-1320, Ara. 2004. [6] H. Ceylan, H. K. Ozturk, A. Hepbasli, ve Z. Utlu, “Estimating Energy and Exergy Production and Consumption Values Using Three Different Genetic Algorithm Approaches. Part 2: Application and Scenarios”, Energy Sources, vol. 27, no 7, pp. 629-639, 2005. [7] A. Sözen, E. Arcaklioğlu, ve M. Özkaymak, “Turkey’s net energy consumption”, Applied Energy, vol. 81, no 2, pp. 209-221, 2005. [8] S. Haldenbilen ve H. Ceylan, “Genetic algorithm approach to estimate transport energy demand in Turkey”, Energy Policy, vol. 33, no 1, pp. 89-98, 2005. [9] H. K. Ozturk, H. Ceylan, O. E. Canyurt, ve A. Hepbasli, “Electricity estimation using genetic algorithm approach: a case study of Turkey”, Energy, vol. 30, no 7, pp. 1003-1012, 2005. [10] A. Sözen, M. A. Akçayol, ve E. Arcaklioğlu, “Forecasting Net Energy Consumption Using Artificial Neural Network”, Energy Sources, Part B: Economics, Planning, and Policy, vol. 1, no 2, pp. 147-155, 2006. [11] V. Ş. Ediger, S. Akar, ve B. Uğurlu, “Forecasting production of fossil fuel sources in Turkey using a comparative regression and ARIMA model”, Energy Policy, vol. 34, no 18, pp. 3836-3846, 2006. [12] Y. S. Murat ve H. Ceylan, “Use of artificial neural networks for transport energy demand modeling”, Energy Policy, vol. 34, no 17, pp. 3165-3172, 2006. [13] V. Ş. Ediger ve S. Akar, “ARIMA forecasting of primary energy demand by fuel in Turkey”, Energy Policy, c. 35, sy 3, ss. 1701-1708, Mar. 2007. [14] M. Duran Toksarı, “Ant colony optimization approach to estimate energy demand of Turkey”, Energy Policy, vol. 35, no 8, pp. 3984-3990, 2007. [15] E. Erdogdu, “Electricity d