Short term electricity load forecasting based on the optimal architecture of hybrid neural network model

Abstract

Doğru yük tahmini almak, elektrik enerjisinden zarar gören şirketlerin güç üretme, planlama ve bakım aşamalarında en iyi kararları almasına yardımcı olur. Elektrik enerjisi, tanklarda ve rezervuarlarda stoklanabilen diğer enerji türleri gibi depolanamaz. Bu nedenle, çoğu elektrik üreten firma daima gelecekteki elektrik talebini büyük bir doğrulukla araştırmaya çalışmaktadır [1]. Bu tez, yapay zekalı sinir ağı (ANN) ve bulanık mantıksal (FL) algoritmalarını kullanarak gelecekteki elektrik yükünü tahmin etmek için kısa vadeli yük tahmini üzerine odaklanır. Birincil olarak, kısa vadeli dönem içinde köşebent yük talebini öngörme araçları olarak kullanmak suretiyle, elektrik kullanan bir organizasyonun performansını iyileştirme amacını önermekteyiz. Burada, bir sonraki haftanın verilerini önceden tahmin etmek için içinde bulunulan haftanın elektrik yükünü kullanarak elektrik yük tahminini öngörmek için sinir ağı (ANN) geliştirmeyi öneriyoruz. Bir sonraki haftanın elektrik yükü ve sinir ağı (YSA) için ikinci önerimiz, hibrid yöntemi sinir ağı ve bulanık mantıksal (ANN) sonuçlarının optimizasyonu (ANN) için kullanılan en iyi modeli bulmaktı. Son teklif ise, melez dalgacıktır. Ağdaki veri girdilerini kullanmadan önce verileri analiz edebilmek için sinir ağı ile ulaşım sonunda tüm modellerin nihai sonuçlarını karşılaştırdık ve en iyi modeli seçtik.

Having the accurate electricity load forecasting truly helps the electric companies to be able to choose the best decision in generating power, planning and maintenance. The electric energy is non-storable unlike the other energy sources which we can be stored, for instance, in tanks and reservoirs. For this reason, most electric generation companies have always sought to know the future demand with great accuracy [1]. This thesis focuses on short term electricity load forecasting to predict the future electricity load by making use of the algorithm of artificial neural network (ANN) and the fuzzy logic algorithm (FL) as a primary aim to improve the performance of electricity consumer organizations through using them as tools in forecasting the load demand in the short term. Here, we propose to improve the neural network (ANN) to predict the electricity load by making use of the data of the previous week in forecasting the electricity load of the following week. Accordingly, we have found the neural network (ANN) as the optimal model, and for the second proposal, we used Adaptive Network based Fuzzy Inference System (ANFIS), the hybrid method of neural network and fuzzy logic system to optimize the results of (ANN).