Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini
[ X ]
Tarih
2011
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
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.
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.
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.
Açıklama
Anahtar Kelimeler
Yük tahmini, diferansiyel evrim algoritması, yapay sinir ağlarının, Load forecasting, differential evolution, artificial neural network
Kaynak
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
3
Sayı
1-28
