YAPAY SİNİR AĞI İLE GÖLBAŞI BÖLGESİNİN KISA DÖNEM YÜK TAHMİNİ

Transkript

1 YAPAY SİNİR AĞI İLE GÖLBAŞI BÖLGESİNİN KISA DÖNEM YÜK TAHMİNİ Gülden CEYLAN Ayşen DEMİRÖREN Eletri Mühendisliği Bölümü Eletri-Eletroni Faültesi İstanbul Teni Üniversitesi, 34469, Masla, İstanbul Anahtar sözcüler: Kısa Dönem Yü Tahi, Yaay Sinir Ağı, Benzerliğe Dayalı Yü Tahi Özet: Son yıllarda, farlı titei yaay sinir ağları ullanılara ısa dönem yü tahi onusunda yaılmış başarılı incelemeler mevcuttur. Bu çalışmada, ço tabaalı erceton tiindei yaay sinir ağı ullanılara ısa dönem yü tahi gerçeleştirilmiştir. Kısa dönem yü tahinde yü ile sıcalı arasındai doğrusal olmayan ilişinin çözümlemesinde yaay sinir ağı yöntein alışılagelmiş yöntemlere göre daha başarılı olduğu bilinmetedir. Son yıllarda önemi iyice artan ve farlı alanlarda ço fazla uygulaması bulunan yaay sinir ağları ile alışılagelmiş regresyon yöntemlerinin ısa dönem yü tahi roblemi için Gölbaşı bölgesine ait 00 ve 003 yıllarına ait gerçe güç ve sıcalı verileri yardımıyla ile uygulaması yaılmış ve yaay sinir ağlarının gerçe değerlere daha yaın sonuç verdiği belirlenmiştir. 1. GİRİŞ Tüeticilere eonomi, güvenilir ve aliteli eletri enerjisi sunabilme için mevcut olan eletri enerji sistemlerinin gelecetei eletri enerjisi ihtiyacını ve uant yüü arşılayabilece şeilde büyütülmesi geremetedir. Enerji sistein lanlamasının il adımı ve en önemli adımlarından biri yü tahidir. Enerji siste lanlaması, yü tahini farlı zaman dilimleri için, ayrı ayrı ele almayı geretirir. Yü tahi uzun dönem, orta dönem, ısa dönem ve ço ısa dönem olma üzere alt dönemlere ayrılara yaılır. Kısa dönem yü tahi (KDYT), bir saatten başlayı bir aylı eriyoda adar yaılabilir. KDYT, üretim birimlerinin çalışma rogramlarının hazırlanmasında, baım rogramlarının ontrol edilmesinde ullanılır. Generatörlerin devreye giri çıması KDYT ile belirlenir. Enerji santralları arasında yü aylaşımı, en uygun ünitenin belirlenmesi ve eonomi işletmenin yaılabilmesi açısından KDYTnin büyü önemi vardır. KDYT genellile, yü eğrisindei uant yü değerleri gerçe zamanlı olara önceden görülmeye çalışılır. Enerji sistemlerinin oerasyonundai büyü önemi neticesinde, KDYTnin doğruluğu da büyü önem taşımatadır. Bu sebele, literatürde, KDYT dei doğruluğu arttırma hedefi ile öne sürülmüş ço çeşitli çalışmalar bulunmatadır. Bugüne adar yaılan çalışmalarda, regresyon analizi ve zaman serileri gibi gelenesel yöntemlerden; uzman sistemler, bulanı mantı, yaay sinir ağı gibi aıllı sistem örnelerine adar ço farlı yöntemler uygulanmış ve denenmiştir [1-9]. Bu çalışmada, KDYT roblee yaay sinir ağları (YSA) yöntemi ile çözüm getirme amaçlanmıştır. Bunun için, ertesi günün 4 saatli yü tahi yaan bir YSA algoritması geliştirilmiştir. Yaay sinir ağlarının ullanılmasının nedeni, özellile doğrusal olmayan roblemlerin çözümünde, gelenesel yöntemlere nazaran gösterdileri erformans ve eğitim için ullanılan sınırlı sayıdai değerlerden hareetle genelleme yaabilme yeteneleridir. Bu çalışmada, Gölbaşı bölgesinin 00 ve 003 yıllarına ait gerçe güç verileri ullanılara, YSA ile ertesi gün yü tahi yaılmıştır. Gölbaşı bölgesine dahil olan iller Anara, Çanırı, Kayseri, Kırıale, Kırşehir, Konya, Nevşehir, Niğde, Yozgat ve Asaray illeridir.. YÜK EĞRİSİNİN ÖZELLİKLERİ Doğru bir yü tahi model oluşturmadan önce, yü tahi yaılaca bölgenin yü arateristiği incelenmeli ve hangi fatörlerin yüü ne şeilde etilediği araştırılmalıdır. Yü tahi yaılaca olan Gölbaşı Bölgesi nin yıllı bir zaman aralığındai yüü incelenmiştir. Şeil 1 de 1.Oca.003 den başlayı, 31.Aralı.003 e adar devam eden 003 yılına ait yü eğrisi verilmiştir. Kış ve yaz aylarında çeilen yü, bahar aylarına nazaran daha fazladır. Yıllı yü eğrisinde görülen değişimler, hava fatörünün etisiyle oluşan mevsimsel ritimdir. Şeil de bir aya ait yü eğrisi verilmiştir. Bir ay dahilindei 4 hafta, haftalı ritimler olara rahatlıla gözlemlenebilmetedir. Seyri diğer günlere göre daha düşü gözlemlenebilen saatler, hafta sonlarına den düşen saatlerdir. Şeil 3 de azartesi gününden başlayı, azar gününe adar devam eden haftalı yü değişimi gözlemlenebilmetedir. Hafta içi günleri sosyal ativiteler hafta sonuna oranla daha yüse seviyede olduğundan bir far doğmatadır. Pazartesi ve cuma günlerine terar baıldığında, bu günlerin hafta sonunun aalılığından etilenere diğer iş günlerine (salı, çarşamba, erşembe) oranla eletri tüetiin daha az olduğu görülmetedir. Buradan anlaşılan azartesi, cuma, cumartesi, azar ve diğer iş günlerinin ayrı sınıflandırılması geretiğidir. Günlü ritim yıl boyunca değişir. Şimdiye adar anlatılan tavimsel farlılılardan başa, ayrı incelenmesi gereen özel günler vardır. Milli ve dini bayramlar özel günler olara ele alınır. Şeil 4 de Kurban Bayramı nı içine alan 10 günlü eriyodun yü eğrisi gösterilmiştir. Periyodun il günü azartesidir.

2 Şeil 1: Gölbaşı Bölgesi 003 yılı yü eğrisi (MW) Şeil 4: Gölbaşı Bölgesi için Kurban Bayramı nı da içine alan günlerinin yü eğrisi (MW) Şeil : Gölbaşı Bölgesi 00 Haziran ayı yü eğrisi (MW) Şeil 3: Gölbaşı Bölgesi 1-18 Haziran yü eğrisi (MW) 4. gün arife günü; 5., 6., 7. ve 8. günler bayram günüdür. Şeil 5 te ise 3 Nisan Ulusal Egemenli ve Çocu Bayramı nı asayan haftanın yü eğrisi gösterilmiştir. Bayram günlerinin diğer günlerden farlı olduğu görülmetedir. Anca, milli bayramlar ve dini bayramlar birbirleri ile arşılaştırıldığında, dini bayramlarda daha az yü çeildiği görülmetedir. Şeil 1 dei yıllı yü eğrisinden, yılın il ve son aylarında ii ez sistem yüünün ço düşü olduğu far edilir. Şubat ayındai görülen düşüş Kurban, Aralı ayında ise Ramazan Bayramı na arşı düşmetedir. 3. YÜK TAHMİNİ MODELİ VE BENZER GÜN SEÇİMİ Literatürde, KDYT için hem gelenesel yöntemler hem de YSA yöntemi ile yaılmış ço çeşitli çalışmalar vardır. Çalışmaların çoğunda birbirinden farlı modeller oluşturulmuştur. Her eletri şebeesinin ve her tüetici bölgenin özellileri birbirinden farlılı gösterdiği için fazla sayıda yü tahi modelinin öne sürülmesi normal bir durumdur. Yü tahi modeli oluşturuluren, tahi yaılaca bölgenin ilimsel ve coğrafi özellileri göz önünde bulundurulmalıdır. Şeil 5: Gölbaşı Bölgesi için günleri arası yü eğrisi (MW) Farlı mevsimlerdei yü eğrileri incelendiğinde, gündüz-gece saatleri ve hava sıcalıları gibi etilerden dolayı yılın farlı mevsimlerinde yü eğrisinin araterinin değiştiği gözlemlenir. Kış ve yaz aylarında bu farlılı endini daha fazla göstermetedir. Bu yüzden, yü tahi işlei yaaca YSA eğitiliren tah edilece güne tavimsel olara en yaın olan günlerin verileri ullanılmalıdır. Eğitimi benzer günler ile yama tahin doğruluğunu arttıracatır. Yüü etileyen meteoroloji oşulların başında sıcalı, nem, rüzgar hızı, yağış ve bulut yoğunluğu gelir. Sıcalığa göre diğer fatörlerin yüe etisi ihmal edilece adar azdır. Bu nedenle sadece masimum sıcalı ve imum sıcalı verileri yü tahi modeline dahil edilecetir. Burada verileri ullanılaca olan Gölbaşı Bölgesi için günlü masimum ve imum sıcalı değerleri, bölge dahilindei illerin yüünün, bölge tolam yüüne etileri oranında ağırlılı olara hesalanmıştır. Şeil 6 da Gölbaşı Bölgesi ne dahil olan illerin 00 yılındai tüetimlerinin yüzdeleri verilmiştir. Bu yüzdeler incelendiğinde; Anara, Kayseri ve Konya dışındai illerin tolam yüe etilerinin, Anara, Kayseri ve Konya illerinin yüleri ile arşılaştırıldılarında ço düşü ve ihmal edilebilir olduları gözlenmetedir. Bu sonuçtan yola çıara Gölbaşı Bölgesi nin masimum ve imum sıcalılarının hesalanmasında, sadece Anara, Kayseri ve Konya illerinin değerleri ağırlılı olara ullanılmıştır. Bu illerinin tüetim yüzdelerinden yola çıara aşağıdai formül oluşturulmuştur: T 0,6Tan + 0,18Tay + 0,Ton = (1)

3 17% % 4% 4% 4%4%% 14% 1% 48% ANKARA ÇANKIRI KAYSERİ KIRIKKALE KIRŞEHİR KONYA NEVŞEHİR NİĞDE YOZGAT Şeil 6: Gölbaşı Bölgesi eletri enerjisi tüetiin illere göre yüzdesel dağılımı (MWh) Yü tahi modeline zaman fatörünü eleyebilme için bir gün tii endesi belirlenmiştir. Hafta içi ve hafta sonu günlerinin ayrı ayrı sınıflandırılması geretiği ortadadır. Anca yü tahin doğruluğu için bu da yeterli değildir. Yü araterinin incelenmesi sonucu, cumartesi, azar, azartesi ve cuma, diğer hafta içi günleri ve bayram gibi özel günlerin ayrı ayrı sınıflandırılması gereliliği ortaya çımatadır. Buna göre gün tii fatörü şu şeilde belirlenmiştir: 1: dini bayramlar (Kurban ve Ramazan Bayramı), : azar, milli bayramlar, dini bayramların arife günleri, 1 Oca günü, 3: cumartesi, 4: azartesi, cuma, 5: salı, çarşamba, erşembe. Sıcalı ve gün tiinden başa yü tahinde ullanılaca veri ise geçmiş günlerin yü bilgisidir. 4 saatli yü tahi yaılacağı için, geçmiş döneme ait güç bilgilerinin yine saatli olara ullanılması geremetedir. YSAnın eğitide ullanılaca her gün için bir benzer gün seçili, bu benzer günün verileriyle eğitim gerçeleştirilir. Anca, öncelile tah edilece güne göre çalışma aralığı belirlenmelidir. Benzer gün, yü tahi yaılaca günden öncei 30 gün ile geçmiş yıldai yü tahi yaılaca güne den düşen günden öncei ve sonrai 30 gün arasından seçilir. Tolam 90 gün arasında araştırma yaılır. Bahsedilen çalışma aralığı Şeil 7 de gösterilmiştir. Her yıl aynı zamanlarda mevsimsel etilerden ötürü yü arateristileri benzerli gösterdiğinden, çalışma aralığını bu sınırlar içinde tutma yeterli olacatır. Yaılaca çalışmada, 90 günlü çalışma aralığı seçilditen sonra, sıra hem tah edilece gün hem de eğitim ümesindei tüm günler için, bu aralıtan benzer gün seçmeye gelir. Benzer gün, günlü masimum sıcalı, imum sıcalı ve gün tii ullanara oluşturulan ağırlılı ölit normu () ile bulunur: gün 30 gün 1 yıl öncesi Şeil 7: Benzer gün seçimi için sınırlar Gün ; araştırılan günün gün tiidir. ĝ 1, ĝ ve ĝ 3 ise ağırlı fatörlerini verir. Ağırlılar aşağıda formülü de verilen çolu regresyon modeline dayandırılan en üçü areler yöntemi ile bulunur. P = gˆ + gˆ T + gˆ T + g Gün (6) ˆ ma 0 1 ma 3 Bu formülde P ma, güç içindei masimum yü (uant güç) değeri; T ma, masimum sıcalı; T, imum sıcalı, Gün ise Bölüm 4 de değerleri gösterilen gün tiidir. (6) dai denlem taımı incelenen (verileri ullanılaca olan) 90 gün için urulur ve çolu regresyon modeline uyara orta çözülmesi ile ĝ i (i = 0~3) ağırlıları bulunur. Bulunan ağırlılar () de yerine onara yine araştırılan 90 gün için D değerleri hesalanır. Bulunan 90 adet D değeri içinden en üçü olanını veren gün, tah edilece güne ait benzer gündür. YSAnın eğitimi tamamlandıtan sonra tah işlemi yaılıren bu benzer güne ait veriler ağa sunulur. 4. YSA VE NORMALİZASYON Bu çalışmada KDYT için eğiticili öğrenmeli, ço atmanlı, ileri beslemeli bir YSA modeli ullanılmıştır [10-13]. Ağın girişlerini, ağın çıışındai güne den düşen benzer günün verileri oluşturmatadır. Yü tahi roblemi de doğrusal olmadığından, ullanılaca ağ da ço atmanlı YSA olmalıdır. P 1 P 4 YAPAY SİNİR AĞI 30 gün 003 Tah edilece gün = gˆ ˆ ˆ 1 T + g T + g 3 Gün () D ma T = Tˆ T (3) ma ma ma T = Tˆ T (4) Gün = Güˆn Gün (5) Yuarıdai denlemlerde verilen Tˆ ma ve T ˆ tah edilece güne ait masimum ve imum sıcalılar, T ma ve T ise araştırılan güne ait masimum ve imum sıcalılardır. Güˆ n ; tah edilece günün gün tii, P P Tˆ ma Tˆ T ma T Şeil 8: YSA Yaısı G üˆ n Gün Bununla beraber, iinci bir gizli atmanın varlığı, hesalama süresinin uzamasına sebe olur. Bu yüzden oluşturulan YSA modelinde te gizli atman bulunmatadır. Gizli atmanda ullanılan ativasyon fonsiyonu sigmoiddir. Çıış atmanında ise doğrusal ativasyon fonsiyonu ullanılmıştır. KDYT ni yaaca 4 çıışlı YSA modeli Şeil 8 de verilmiştir. Ağda 30 adet giriş, gizli atmanda 53, çıış

4 atmanında ise 4 adet nöron bulunmatadır. Gizli atman nöron sayısı deneme yanılma yoluyla bulunmuştur. Giriş atmanındai 30 girişin dağılımı şu şeildedir; 1-4. girişler: Benzer güne ait 4 saatli güç değerleri, P i (i = 1~4), 5. giriş: Yü tahi yaılaca güne ait masimum sıcalı tahi değeri,, 6. giriş: Yü tahi yaılaca güne ait imum sıcalı tahi değeri, T ˆ, 7. giriş: Tah edilece gün ile benzer gün masimum sıcalılarının farı, Tˆ ma T ma Tma = Tˆ ma Tma (7) 8. giriş: Tah edilece gün ile benzer gün imum sıcalılarının farı, T T = Tˆ T (8) 9. giriş: Tah edilece günün gün tii, Gün ˆ (1,,3,4 ya da 5), 30. giriş: Tah edilece gün ile benzer günün gün tii endesleri farı, Gün Gün = Gün ˆ Gün (9) Sigmoid fonsiyonunun çıışı 0 1 değerleri arasında olduğu için, eğitim ümesi elemanlarının değerleri de normalize edilmelidir. Sonuçta YSA çıışları gerçe tah değerlerinin bulunabilmesi geri normalize edilmesi geremetedir. Hem hızlı bir öğrenme sağlama hem de salınımları engelleme için standart geriye yayılım algoritmasına momentum terimi (α) elenmiştir. Durdurma oşulu olara tanımlanan hata ise; rms hata olu, rms = 1 N. n o N n o j= 1 = 1 ( d j y j ) (10) olara tanımlanır. Eğer hata belirlenmiş 0.01 değerini yaalayamazsa, önceden tanımlanmış iterasyon sayısı (500) adar ağ eğitilir. Geriye yayılım algoritması ile eğitilen ço atmanlı YSAndai arametreleri Tablo 1'de verilmiştir. Tablo 1: YSA arametreleri Gizli atman nöron sayısı 53 Öğrenme hızı (η) 0,057 Momentum terimi (α) 0,1 Sigmoid fonsiyonu atsayısı (a) 1 5. REGRESYON KDYT roblede, YSA yöntein etinliğini arşılaştırma amacıyla, istatistisel tah yöntemlerinden regresyon yöntemi ile de tahler gerçeleştirilmiştir [14]. Oluşturulan regresyon modelinde, yaay sinir ağlarında olduğu gibi değişen olara masimum sıcalı, imum sıcalı ve gün tii ullanılmıştır. Pi = ai0 + ai1t ma + ait + ai3gün (i = 1~4) (11) Bu denlem her saat için ayrı oluşturulur, her saat için a 0, a 1, a ve a 3 atsayıları çözülür. Yü tahi yaılaca günün masimum sıcalı, imum sıcalı ve gün tii değerlerinin, a atsayıları çözümlenen 4 ayrı güç denlede yerine onması ile, 4 saat için yü tah değerleri bulunmuş olur. 6. BİLGİSAYAR BENZETİM PROGRAMI VE SONUÇLAR KDYT için, Matlab 6.5 rogramı m-file dosyalarıyla oluşturulan bilgisayar benzetimi ullanılmıştır. Benzetim için hazırlanan rogram, giriş olara dört veri dosyasını ullanır. Bunlar 00 ve 003 yıllarındai tüm günler ait i. 4 saatli güç değerleri, ii. masimum sıcalı değerleri, iii. imum sıcalı değerleri, iv. gün tii değerleridir. Kullanıcı tarafından belirlenen serbest değişenler ise, yü tahi yaılaca günü gösteren sayı, en üçü ve en büyü normalizasyon değerleri, gizli atmandai nöron sayısı, öğrenme hızı, momentum terimi, iterasyon sayısı, durdurma hatası ve sigmoid fonsiyonu eğim atsayısıdır. Tahci tarafından belirlenen, yü tahi yaılaca güne göre, KDYT benzetim rogramı Şeil 8 de gösterilen sınırlar dahilinde ullanacağı veriler seçer, diğer verileri ayılar. Bu sınırlar dahilindei günler eğitim ümesinin elemanlarını oluşturur. Anca, eğitim ümesindei her bir gün için te te benzer gün belirlenir ve buna göre eğitim ümesi yani girişler ve girişlere arşılı düşen çıışlar terar düzenlenir. Eğitim ümesinin belirleni düzenlenmesinden sonra, tüm giriş ve çıışlar, ağa sunulabilmeleri için normalize edilir ve YSA girişlerine uygulanır. Geriye yayılım algoritması, belirlenmiş iterasyon sayısı gerçeleştirilene adar yada, hata belirli bir değeri yaalayana adar devam eder. Eğiti sonunda, ağ üzerindei ağırlılar belirlenmiş olur. KDYT yama amacıyla geliştirilen YSA modeli, hazırlanan bilgisayar benzetimi rogramı ile test edilmiştir. 003 yılına ait gerçe güç değerleri bilindiği için, testler, arşılaştırma imanının olduğu bu yıla ait günler için yaılmıştır. YSA yöntein elverişliliğinin ontrol edilmesi amacıyla aynı testler regresyon analizi yöntemi ile de yaılmıştır. Bilgisayar benzetimi sonuçlarının en iyi şeilde gözlemlenebilmesi için yılın farlı zamanlarından, farlı mevsimlerden ve farlı gün tii endesine sahi günler için testler yaılmıştır. KDYT yöntemlerinin erformanslarını ortaya oyma amacıyla her ii yöntem için masimum yüzde hata ve çalışma süresi Tablo de verilmiştir. Yüzde hata 4 saat için hesalanır. Test edilen veriler Tablo : Bilgisayar benzetimi sonuçları Tarih Ma. Hata Yüzdesi (%) YSA Süre Ma. Hata Yüzdesi (%) Regresyon Süre

5 Sonuçların görsel ifadesi için, test edilen günlere ait hem YSA yöntemi sonucu elde edilen, hem regresyon yöntemi sonucu elde edilen, hem de gerçe değerlere ait 4 saatli günlü yü eğrileri aynı grafiler üzerinde verilmiştir. Tüm grafiler incelendiğinde, YSA yöntein sonucunun regresyon yöntee göre, gerçe değerlere daha yaın olduğu görülmüştür. Aynı sonuç, tabloda verilen hata yüzdeleri incelendiğinde de çıarılabilir. Sonuçlara baıldığında, YSAnın erformansının regresyon yöntee göre daha üstün olmasına arşın, işlem zamanları arşılaştırılaca olunursa; regresyon yöntee ait rogramın, diğerine göre ço daha ısa sürede yanıt verdiği anlaşılmatadır. Dini bayram günü için yaılan tahlerde, her ne adar YSA yöntemi regresyona göre daha iyi sonuç verse de yine de, yüzde hata diğer günlere göre yüse almıştır. Bunun nedeni eğitim ümesinde dini bayram günlerine ait ço az sayıda örne bulunmasıdır. Eğer KDYT modeli içine yıl öncesinin yü tahi yaılaca günden öncei ve sonrai 30 günü de dahil edilirse sonuçların gerçe değerlere daha yaın olacağı ve hatanın düşeceği öngörülebilir. Bu çalışmada, YSA yöntein KDYT roblee uygulanabilirliği gösterilmiştir. Yönte gelenesel yöntemlerden üstünlüğünü gösterme amacıyla ise regresyon yöntemi arşılaştırmalar yaılmıştır. Anca KDYT rogramının ratite uygulanabilirliği için ullanıcı arayüzü oluşturma uygun olacatır. Şeil 11: Ptesi günü için yaılan yü tahleri Şeil 1: Cuma günü için yaılan yü tahleri Şeil 9: Salı günü için yaılan yü tahleri Şeil 13: Pazar günü için yaılan yü tahleri Şeil 10: Perş. günü için yaılan yü tahleri Şeil 14: tarihlerindei Kurban Bayramı haftası için yaılan yü tahleri

6 Şeil 15: , 19 Mayıs Gençli ve Sor Bayramı için yaılan yü tahleri KAYNAKLAR [1] Lee, K. Y., Par, J. H., 199. Short-Term Load Forecasting Using An Artificial Neural Networ, IEEE Transactions on Power Systems, Vol. 7, No. 1, [] Bairtzis, A. G., Petridis, V., Klartzis, S. J., Alexiadis, M.C., A Neural Networ Short Term Load Forecasting Model For Gree Power System, IEEE Transactions on Power Systems, Vol. 11, No., [3] Lamadica, R., Prudenzi, A., Sforna, M., Caciotta M., Cencelli V.O., A Neural Networ Based Technique For Short-Term Forecasting of Anomalous Load Periods, IEEE Transactions on Power Systems, Vol. 11, No.4, [4] Lu, C. N., Wu, H. T., Vemuri, S., Neural Networ Based Short Term Load Forecasting, IEEE Transactions on Power Systems, Vol. 8, No. 1, [5] Amjady, N., 001. Short-Term Hourly Load Forecasting Using Time-Series Modeling With Pea Load Estimation Caability, IEEE Transactions on Power Systems, Vol. 16, No. 4, [6] Haida, T., Muto, S., Regression Based Pea Load Forecasting Using A Transformation Technique, IEEE Transactions on Power Systems, Vol. 9, No. 4, [7] Krunic, S., Krcmar, I., Rajaovic, N., 000. An Imroved Neural Networ Alication For Short-Term Load Forecasting in Power Systems, Electric Machines and Power Systems, Vol. 8, [8] Singh, D., Singh, S. P., 001. A Self Selecting Neural Networ For Short-Term Load Forecasting, Electric Power Comonents and Systems, Vol. 9, [9] Senjyu, T., Saihara, H., Tamai, Y., Uezato, K., 001. Next-Day Load Curve Forecasting Using Neural Networ Based On Similarity, Electric Power Comonents and Systems, Vol.9, [10] Türiye Eletri Dağıtım ve Tüetim İstatistileri, AR- GE Planlama ve Dış İlişiler Daire Başanlığı Enerji Taleleri Değerlendirme ve İstatisti Müdürlüğü, Türiye Eletri Dağıtım A.Ş. Genel Müdürlüğü [11] Efe, Ö., Kayna, O., 000. Yaay Sinir Ağları ve Uygulamaları, Boğaziçi Üniversitesi Yay., İstanbul. [1] Hayin, S., Neural Networs: A comrehensive Foundation Second Edition, Prentice Hall, New Jersey. [13] Zurada, J. M., 199. Introduction to artificial neural systems, West, St. Paul [14] Asel, F., 000. Regresyon Analizi ve Yaay Sinir Ağı Yöntemleri ile Uzun Dönem Yü Tahi, Yüse Lisans Tezi, İ.T.Ü. Fen bilimleri Enstitüsü, İstanbul Teşeür: Bu çalışmada Türiye Eletri Dağıtım A.Ş. Genel Müdürlüğü, ve Türiye Eletri Dağıtım ve Tüetim İstatistileri, AR-GE Planlama ve Dış İlişiler Daire Başanlığı Enerji Taleleri Değerlendirme ve İstatisti Müdürlüğü aynalarından faydalanılmış olu söz onusu uruluşlara sağladıları verilerden dolayı teşeürü borç biliriz.