Forecasting of short term and mid term İstanbul natural gas comsumption values by neural network algorithms

Abstract

Bu calışmada yapay sinir ağları algoritmaları kullanılarak saatlik, günlük, haftalık ve aylık doğal gaz enerjisi tahmini için uygun modellerin bulunması amaçlanmıştır. Bilindiği üzere doğal gaz tüketiminin doğru tahmin edilmesi hem gaz dağıtıcıları hem de tüketicileri açısından önemlidir. Doğal gaz dağıtıcısı açısından incelendiğinde, doğru tahmin değerleri sistemde olusabilecek hataları azaltır ve gaz dagıtım limitlerinin doğru şekilde programlanabilir hale getirir. Bu sayede gaz sistemleri cok daha gerçekçi ve karlı hale gelir. Ayrıca tüketici açısından bakıldığında doğru tahmin değerleri sistemde oluşabilecek hatalari azaltacağından ve bu sayede dogal gaz kesintisi olmayacağından dolayı iyidir.Bu calışmada öncelikle gaz tüketimine etki eden faktörleri belirlemek icin kapsamlı faktor analizi calışması gerçekleştirilmistir. Bulunan sonuçlar geri beslemeli yapay sinir ağları modellerine uygulanmıştır. Yapay sinir ağlari tahmin yöntemi uygulamalarının kullanılmasının amacı algoritmaların doğrusal olmayan verilerin modellemesinde iyi sonuçlar vermesi ve birden fazla tahminin ayni anda yapılabilmesidir. Yedi değisik yapay sinir ağları algoritması uygulanıp bunların karşılastırılması yapılmıştır.

The aim of this study is to find a suitable natural gas energy forecasting model for hourly, daily, weekly and monthly values by using artificial neural networks(ANN). As it is known, accurate forecasting is important for both gas distributors and consumers. On the view point of distributors, with accurate forecasting the number of false alarms would be significantly decreased and tranship limits would be scheduled.By this way gas systems would be more reliable and profitable. Although accurate forecasting values are good for general consumers there will be no disconnect and breakdown etc. In this study wide factor analyzing study is done in order to find the factors that effects the gas consumptions. Founded results were applied to ANN feed forward back propogation algorithm models.The reasons behind choosing ANN are the ability of ANN to forecast future values of more than one variable at the same time and to model the nonlinear relation in the data structure. Seven different algorithm models were used and comperison of their performance were done.