Elektrik Enerji Tüketim Tahmininde Yapay Yenilemeli Sinir Ağı Modellerinin Karşılaştırılması

Teknolojinin gelişmesi ve verinin öneminin artmasıyla akıllı şebekelerin önemi ve etkisi her geçen gün artmaktadır. Akıllı şebekelerde sensörler, akıllı sayaçlar, akıllı reaktif güç röleleri gibi verilerin toplanmasına yardımcı olan cihazlar bulunmaktadır. Elektrik güç tüketim verileri, toplanan veri türlerinden birisidir. Modern güç sisteminin gelişimi boyunca yük tahmini temel konu olmuştur. Akıllı şebekelerde enerji tüketim profillerinin kestirimi sonucunda enerji arzının planlaması, şebeke bakım sürelerinin kestirilmesi gibi konularda kullanılmaktadır. Yük tahmininde istatiksel yöntemler, zaman serisi yöntemi ve son zamanlarda popüler olan yapay sinir ağları metodu kullanılmaktadır. Yapılan bu çalışmada elektrik enerjisi yük tahmini için yapay sinir ağı modelleri kullanılmıştır. Çalışmada kullanılan veriler, Amerika Birleşik Devletleri’nin Eastern Kentucky eyaletinin enerji tüketim verilerinden alınmıştır. Veriler yapay sinir ağına verilmeden önce normalizasyon işlemi ile standartlaştırılmıştır. Elektrik yük tahmini için yapay zekâ tabanlı tahmin algoritması olan Yenilemeli Sinir Ağı (YSA), Yenilemeli Sinir Ağı Tabanlı Uzun-Kısa Süreli Bellek (UKSB) ve Evrişimsel Sinir Ağı-Uzun-Kısa Süreli Bellek (ESA-UKSB) beraber kullanılmıştır. Kentucky eyaleti enerji tüketim verileri bu üç model üzerinde, her biri 50 dönüm (epoch) yapılarak, kayıp fonksiyonu ise “Adam” en iyileştirici kullanılarak eğitilmiştir. Eğitilen modeller aynı test kümesi üzerinde denenip elde edilen verilerle elektrik tüketim enerji miktarları tahmin edilmeye çalışılmıştır. Bu modeller; tahmin edilen veriler ile gerçek veriler, ortalama kare hata ve ortalama mutlak hata katsayıları seçilip karşılaştırılarak değerlendirilmiştir. Modellerden elde edilen verilerin karşılaştırması sonucunda Evrişimsel Sinir Ağı-Uzun-Kısa Süreli Bellek modelinin diğer iki modellere göre test verileri üzerinde en az hata oranı verdiği sonucuna ulaşılmıştır.