Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini
Yük tahmini, güç üretim sürecinin önemli bir kısmı olup,
yıllardır zaman serileri gibi geleneksel yaklaşımlarla elde edilmiştir.
Fakat son zamanlarda yapay zekaya dayalı yeni yöntemler ortaya çıkmış
olup bu yeni uygulamalar endüstride geleneksel tahminlerin yerini almaya
başlamıştır. Bu çalışma diferansiyel evrim algoritması (DE) ile yapay
sinir ağlarının (YSA) karma bir çalışmasını yük tahmini için DE-YSA
olarak sunar. Çalışma yapay sinir ağları eğitiminde DE algoritmasının
performansını test etmektedir. Çalışma çıktılarının birebir
karşılaştırılmasından da anlaşılacağı üzere DE-YSA diğer metoda göre
daha iyi bir performans göstermektedir.
Medium-Term Load Forecasting by Artificial Neural Network based Differential Evolution
Load forecasting is an important part of the power generation process. For years, it has been achieved by traditional approaches stochastic like time series; but, new methods based on artificial intelligence emerged recently in literature and started to replace the old ones in the industry. This study presents an intelligent hybrid approach called DE-ANN by hybridization of Differential Evolution (DE) and Artificial Neural Network. In this work, performance of the Differential Evolution, a recently proposed algorithm, has been tested on training on Artificial Neural Networks. The performance of the algorithm has been compared to traditional Artificial Neural Networks Results show that DE algorithm outperforms the other method.
___
- [1] H.M. Al-Hamadi and S.A. Soliman, “Long-term/mid-term electric load
forecasting based on short-term correlation and annual growth”, Electric
Power Systems Research, Volume 74, Issue 3, Pages 353-361, 2005.
[2] I. Erkmen. ve A. Özdoğan,“Short term load forecasting using genetically
optimizedneural network cascaded with a modified Kohonen clustering
process”, International Symposium of Intelligent Control, Proceedings of
the 1997 IEEE International Symposium, Istanbul, Turkey, 107-112,
1997.
[3] E. Eşiyok, A. T.Hocaoğlu ve M. Dumanlı, “Güç Sistemlerinde Yapay
Sinir Ağları ile Yük Tahmin Analizi”, Elektrik Mühendisliği 6. Ulusal
Kongresi, pp. 69-72, 1995.
[4] A. K. Topalli ve İ. Erkmen, “A hybrid learning for neural networks
applied to short term load forecasting”, Neurocomputing. Volume 51,
Page 495-500, 2003.
[5] Hengirmen M.O., Kabak S., ‘Gaziantep ve Yöresinde 5 Yıllık Elektrik
Enerjisi İhtiyaç Tahminleri’, Elektrik Elektronik Bilgisayar Müh.
8.Ulusal Kongresi, pp.333-335, 1999.
[6] Hengirmen M.O., ’Comparison of Three Forecast Methods for Power
Demand in Gaziantep’, Eleco’99 International Conference on Elektrical
and Elektronics Eng., Bursa, pp 185-188, 1-5-December,1999.
[7] Yalçınöz T., Herdem S., Eminoğlu U., 2002, “Yapay Sinir Ağları ile
Niğde Bölgesinin Elektrik Yük Tahmini”, Elektrik – Elektronik -
Bilgisayar Mühendisliği Sempozyumu (ELECO 2002), 25-29, Bursa, 18-
22 Aralık.
[8] Yalçınöz T., Karadeniz Y. and Yücel İ., 'Niğde bölgesi için elektrik yük
tahmini', Eleco'2000 Elektrik – Elektronik - Bilgisayar Mühendisliği
Sempozyumu, pp. 43-47 (Elektrik), Bursa, 8-12 Kasım 2000.
[9] Topalli A. K, Erkmen I., Topalli I., 2006, “Intelligent short-term load
forecasting in Turkey”, Electrical Power and Energy Systems 28, 437–
447.
[10] Ceylan G. ve Demirören A., 2007, “Yapay Sinir Ağları ile Gölbaşı
Bölgesinin Kısa DönemYük Tahmini”, Elektrik, Elektronik ve
Bilgisayar Mühendisliği Sempozyumu ve Fuarı (ELECO 2004), 8-12
Aralık, Bursa, 103-107.
[11] A. Özdemir ve A. Özdemir, “Talep Tahminlemesinde Kullanılan
Yöntemlerin Karşılaştırılması: Seramik Ürün Grubu Firma Uygulaması”,
Ege Akademik Bakış Dergisi, cilt 6, sayı 2 sayfa 105-114, 2006.
[12] Haykin, S., “Neural Network A Comprehensive Foundation 2nd ed.”,
Prentice-Hall, New Jersey, 1-2, 14-15, 41-43, 161-162 ( 1999).
[13] Fausett, L., “Fundamentals of Neural Networks Architectures,
Algorithms and Applications”, Prentice-Hall, New Jersey, 48-49 (1994).
[14] S. J. Hanson, “A stochastic version of the delta rule”, Physica D:
Nonlinear Phenomena Volume 42, Issues 1-3, June 1990, Pages 265-
272.
[15] T.M. Heskes, B. Kappen, “Error potentials for self-organization”, Neural
Networks, 1993., IEEE International Conference on, 1219 - 1223 vol.3,
2002.
[16] R. Storn and K. Price, Differential evolution-a simple and efficient
heuristic for global optimization over continuous space, Journal of
Global Optimization, 11, (1997), pp.341-359.