Enerji iletim sistemlerinde yük tahmininin gerçekleştirilmesinde yeni bir yaklaşım

Abstract

ÖZET Teknolojik gelişmeler ve nüfusun hızlı artışı elektrik enerjisinin ekonomik bir biçimde tüketimini ve dağıtımını gerektirmektedir. Bu çalışmada, son yıllarda enerji sistemlerinde uygulama alanı bulan yapay sinir ağlarının (YSA) kısa dönemli yük tahmininde kullanımı incelenmiştir. Yapay sinir ağlan, insan beyninin çalışma sisteminin yapay olarak benzetimi çalışmalarının bir sonucu olarak ortaya çıkmıştır. Çok farklı yapıda ve formlarda bulunabilen verilerin hızlı bir şekilde tanımlama ve kullanışlı bir yaklaşımdır. Yapılan uygulamada TEAŞ-KBA Yük Tevzii Merkezi sorumluluk bölgesi içinde bulunan bir dağıtım istasyonuna ait elektriksel veriler alınarak yük tüketiminin değişimi YSA ile backpropagation algoritması kullanılarak öğretilmiştir. Dizayn edilen YSA ile yapılan simülasyonlar sonucu, elde edilen değerler bize yük tahminine ilişkin interpolasyon ve eksterpolasyon analizlerinin yapılmasını sağlamıştır. İnterpolasyon analizi, bilinen değerler arasındaki non-lineer ilişkileri tahmin etme yeteneğini göstermiştir. Eksterpolasyon analizi ise geçmişteki non-lineer değerleri kullanarak geleceğe ait verilerin tahmin edilmesine olanak tanımıştır. Yapılan hesaplamada parametre olarak rüzgar hızı, nem, yağış miktarı, ortam sıcaklığı, trafo sıcaklığı dikkate alınmış, ayrıca mevsim dönüşleri de göz önünde bulundurulmuştur. Tahmin yeteneğini artırmak için belirli oranlarda gürültü eklenmesi yapılmıştır, eğitim sürecinin artırılması halinde tahmin yeteneğinin iyileşmediği gözlenen sonuçlar arasındadır.. i^ XI

ABSTRACT Nowadays, technological developments and population growth requires an economical way in electrical energy consumption and distributed. In this study, It has been investigated the use of neural networks in the field of short term load forecasting. The operation of neural networks is sometimes referred to as brain like computing. This new method has a wide range of application in different disciplines.. Data obtained from TEAS-KBA load delivery center in Adapazari is used to simulate the short term load forecasting for this substation using neural networks with the backpropagation algorithm. Neural network designed for this simulation allowed us to make the analysis of interpolation and extrapolation. In the interpolation analysis, it is shown that the non-linear relationship between the two values can be recognized by the neural network modeled for this system. In the extrapolation analysis, it is forecasted the future use of load demand by using the past non-linear values. In this study various parameters like wind speed, temperature, transformer temperature, humidity as input data.Also seasonal periods are also take in as a input. To improve the learning rate some random noises are injected to inputs. We have observed that long training periods and excessive data has worsen the prediction capability of neural network. H XII