KaydedilenlerDerginizi ekleyin

Dergiler / Bilişim Teknolojileri Dergisi / 2026 / Cilt: 11 Sayı: 3

Yapay Sinir Ağları ve Zaman Serileri Yöntemi ile Bir Endüstri Alanının (İvedik OSB) Elektrik Enerjisi İhtiyaç Tahmini

Semih Özden0000-0002-1309-9391
Ali Öztürk
Sayfa
255–261
Yayın Tarihi
2018-07-31
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Her iki yaklaşım enerji ihtiyaç tahmininde kullanılmış, sonuçlar tartışılmış ve karşılaştırılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Özel firmalara enerji sağlayan firmalar veya işletmeler için enerji tüketiminin tahmini ve ihtiyaç planlaması çok kritiktir.
📊
Temel Bulgular & Veri:Bu çalışmada, zaman serileri ve yapay sinir ağları olmak üzere iki farklı yaklaşım kullanılarak Türkiye’deki bir endüstri bölgesi için enerji ihtiyaç tahmini üzerinde çalışılmış ve sonuçlar test edilmiştir.
💡
Sonuç & Katkı:Her iki yaklaşım enerji ihtiyaç tahmininde kullanılmış, sonuçlar tartışılmış ve karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Enerji tahmini · endüstri bölgesi · elektrik enerjisi

Özet

Özel firmalara enerji sağlayan firmalar veya işletmeler için enerji tüketiminin tahmini ve ihtiyaç planlaması çok kritiktir. Özellikle endüstri bölgelerindeki enerji ihtiyacı ev kullanıcılarının ihtiyacından daha yüksektir, bundan dolayı enerji ihtiyacının doğru tahminini gerektirir. Bu çalışmada, zaman serileri ve yapay sinir ağları olmak üzere iki farklı yaklaşım kullanılarak Türkiye’deki bir endüstri bölgesi için enerji ihtiyaç tahmini üzerinde çalışılmış ve sonuçlar test edilmiştir. Daha önceki çalışmalardan farklı olarak, kısıtlı veri ile kısa dönem tahmini için basit bir model geliştirilmiştir. Model, giriş parametresi olarak geçmiş günlere ait tüketim verileri ve sıcaklığı içermektedir. Sıcaklık verisi, endüstri bölgelerinde ısıtma amaçlı enerji tüketiminde kullanıldığı için anahtar rol oynamaktadır. Zaman serileri yaklaşımında sadece geçmişe ait enerji tüketim verileri kullanılmıştır. Her iki yaklaşım enerji ihtiyaç tahmininde kullanılmış, sonuçlar tartışılmış ve karşılaştırılmıştır.

🔖

Bu Makaleye Atıf Yap

Özden, S., Öztürk, A. (2018). Yapay Sinir Ağları ve Zaman Serileri Yöntemi ile Bir Endüstri Alanının (İvedik OSB) Elektrik Enerjisi İhtiyaç Tahmini. Bilişim Teknolojileri Dergisi, Cilt: 11 Sayı: 3, 255–261. https://doi.org/10.17671/gazibtd.404250

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (20)

  1. H. Son, C. Kim, "Short-term forecasting of electricity demand for the residential sector using weather and social variables", Resour Conserv Recy, 123, 200-207, 2017.
  2. H.K. Ozturk, H. Ceylan, "Forecasting total and industrial sector electricity demand based on genetic algorithm approach: Turkey case study", Int J Energ Res, 29(9), 829-840, 2005.
  3. A. Kialashaki, J.R. Reisel, "Development and validation of artificial neural network models of the energy demand in the industrial sector of the United States", Energy, 76(Supplement C), 749-760, 2014.
  4. A. Azadeh, S.F. Ghaderi, S. Sohrabkhani, "Annual electricity consumption forecasting by neural network in high energy consuming industrial sectors", Energ Convers Manage, 49(8), 2272-2278, 2008.
  5. Z.W. Geem, W.E. Roper, "Energy demand estimation of South Korea using artificial neural network", Energ Policy, 37(10), 4049-4054, 2009.
  6. U. Kumar, V.K. Jain, "Time series models (Grey-Markov, Grey Model with rolling mechanism and singular spectrum analysis) to forecast energy consumption in India", Energy, 35(4), 1709-1716, 2010.
  7. S. Mollaiy-Berneti, "Developing energy forecasting model using hybrid artificial intelligence method", Journal of Central South University, 22(8), 3026-3032, 2015.
  8. S. Mollaiy-Berneti, "Optimal design of adaptive neuro-fuzzy inference system using genetic algorithm for electricity demand forecasting in Iranian industry", Soft Computing, 20(12), 4897-4906, 2016.
  9. A.E. Clements, A.S. Hurn, Z. Li, "Forecasting day-ahead electricity load using a multiple equation time series approach", European Journal of Operational Research, 251(2), 522-530, 2016.
  10. L.P.C. Do, K.-H. Lin, P. Molnár, "Electricity consumption modelling: A case of Germany", Economic Modelling, 55(Supplement C), 92-101, 2016.
  11. C. Hamzacebi, "Forecasting of Turkey's net electricity energy consumption on sectoral bases", Energ Policy, 35(3), 2009-2016, 2007.
  12. D. Akay, M. Atak, "Grey prediction with rolling mechanism for electricity demand forecasting of Turkey", Energy, 32(9), 1670-1675, 2007.
  13. M.D. Toksari, "Ant colony optimization approach to estimate energy demand of Turkey", Energ Policy, 35(8), 3984-3990, 2007.
  14. A. Unler, "Improvement of energy demand forecasts using swarm intelligence: The case of Turkey with projections to 2025", Energ Policy, 36(6), 1937-1944, 2008.
  15. A. Sozen, E. Arcaklioglu, "Prediction of net energy consumption based on economic indicators (GNP and GDP) in Turkey", Energ Policy, 35(10), 4981-4992, 2007.
  16. A. Sozen, E. Arcaklioglu, M. Ozkaymak, "Turkey's net energy consumption", Appl Energ, 81(2), 209-221, 2005.
  17. S. Kucukali, K. Baris, "Turkey's short-term gross annual electricity demand forecast by fuzzy logic approach", Energ Policy, 38(5), 2438-2445, 2010.
  18. M. Bilgili, B. Sahin, A. Yasar, E. Simsek, "Electric energy demands of Turkey in residential and industrial sectors", Renew Sust Energ Rev, 16(1), 404-414, 2012.
  19. M. H. Calp, "İşletmeler için Personel Yemek Talep Miktarının Yapay Sinir Ağları Kullanılarak Tahmin Edilmesi", Politeknik Dergisi, DOI: 10.2339/politeknik.444380, 21(4), 2018.
  20. L. Suganthi, A.A. Samuel, "Energy models for demand forecasting-A review", Renew Sust Energ Rev, 16(2), 1223-1240, 2012.