Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması

Yük tahmini, güç sistemlerinin planlanması ve işletilmesindeönemli bir role sahiptir. Enerji piyasalarının özelleştirilmesi, her katılımcının rakipler üzerinde bir tür avantaj elde etmek için daha iyianaliz yapmak ve tahmin modellerini oluşturmak, geliştirmek için çabalamış oldukları rekabetçi pazarların oluşmasına neden olmaktadır.Tahmin, yükü etkileyen faktörlereve farklı zaman dilimlerine bağlıdır. Bununla birlikte, stokastik ve belirsizlik özellikleri nedeniyle, elektrik hizmetlerinin gelecekteki yük talebini doğru bir şekilde tahmin edilmesizor bir problem haline gelmiştir. Yük tahmini yaklaşımlarında yapay sinir ağları (YSA) en yaygın kullanılan yöntemlerden biri olmasına rağmen günümüzde hibrit yaklaşımlar ve derin öğrenme teknikleri gibi çeşitli yaklaşımlarda kullanılmaktadır. Uzun-kısa süreli bellek (LSTM), Tekrarlayan Sinir Ağları (RNN) modelleriyle birlikte gelen yok olan gradyan problemini çözdüğü görülmektedir.Bu tez çalışmasında, kısa ve orta vadelisaatlik yük tahmini için LSTM ve YSA tabanlı iki yöntem kullanılmaktadır. Ayrıca yaygın olarak kullanılan makine öğrenimi yaklaşımlarıiçin iki farklı modelin karşılaştırılması yapılmaktadır.Model 1 ve Model 2 olarak adlandırılan iki farklı zaman aralığı için tahmin modelleri oluşturulmuştur. Tahmin modellerinin performansları, ortalama mutlak yüzdehatası (MAPE), ortalama mutlak hata (MAE) ve hata kareler ortalamasının karekökü(RMSE) gibi çeşitli hata performans metrikleri kullanılarak karşılaştırılmıştır. Sonuç olarak, bu tez çalışmasındaLSTM ve YSA yöntemleri yardımıyla Türkiye'deki2017-2019 yılları arasındaki yıllıkelektrik enerjisi tüketim verilerininbirden çok zaman diliminde elektrik tüketiminintahmin edilmesi ve tahmin sonuçlarınınperformansının belirlenmesiamaçlanmaktadır.Yapılan bu analizler sonucunda normalizeli yük tahmini çalışmasında, en düşük ortalama günlük hata yüzdelerini LSTM yapısınınverdiği görülmüştür. Tüm hata performans metriklerinin sonuçlarına göre LSTM modelinin klasik YSA modeline göre daha iyi sonuç verdiği gözlemlenmiştir. Buna ek olarak hata metriklerine göre LSTM ve YSA için önerilen Model 1'nin başarımı Model 2'den daha düşükolduğu görülmüştür.