Implementation of artificial intelligence models for electrical smart grid satability

Bu çalışma, XGBoost, SVM, Rastgele Orman, KNN, Lojistik Regresyon, Karar Ağacı, Sinir Ağı, SimpleRNN, LSTM ve GRU dahil olmak üzere çeşitli modellerin karşılaştırmalı bir analizini yapmaktadır. Bu modellerin performansı doğruluk, kesinlik, geri çağırma ve F1 puanı gibi metriklere göre değerlendirilir. XGBoost Sınıflandırıcı, üstün hassasiyet, hesaplama etkinliği ve yorumlanabilirlik kombinasyonundan dolayı en uygun model olarak kabul edilir. Bu çalışmada sunulan bulgular, akıllı şebekeler bağlamında tahmine dayalı analitiği kolaylaştırmada makine öğreniminin önemli kapasitesinin altını çizmektedir. Ayrıca, bu sonuçlar bu alandaki daha ileri araştırma çalışmaları için sağlam bir temel oluşturmaktadır. Bununla birlikte literatür, modellerin karmaşık doğası, sınırlı yorumlanabilirliği ve dayattıkları önemli hesaplama talepleri gibi bazı zorlukların altını çizmektedir. Bu sorunlar, bu alanda daha fazla araştırma ve iyileştirme yapılmasının gerekliliğini vurgulamaktadır. Çalışma sonuçlandığında, bu makale, bulguları akıllı şebekelerin gerçek uygulamalarına etkili bir şekilde entegre etmek için stratejik öneriler sunmaktadır. Ek olarak, bu alanda gelecekteki araştırmalar için potansiyel yolları da özetlemektedir.