XGBoost (Aşırı Gradyan Artırımlı Karar Ağaçları) ile Hidroelektrik Enerji Tahmini

Authors : Bektas Aykut Atalay, Kasım Zor

Pages : 205-218

Doi:10.21605/cukurovaumfd.1666062

View : 27 | Download : 26

Publication Date : 2025-03-26

Article Type : Research Paper

Abstract :Hidroelektrik enerji, Türkiye\\\'nin hızlı ekonomik ve nüfus artışıyla artan enerji talebinin karşılanmasında büyük önem taşır. Mevsimsel bağımlılığı nedeniyle hidroelektrik enerji, tahmin algoritmaları için uygundur. Bu çalışma, Türkiye\\\'de 100 MW\\\'ın üzerinde güç üreten EÜAŞ Aslantaş HES\\\'de enerji üretimini tahmin etmeyi amaçlamaktadır. Tahmin modeli, XGBoost (Aşırı Gradyan Artırımlı karar ağaçları) ile tarih-saat kayıtları, geçmiş enerji üretim verileri ve sıcaklık gibi çeşitli girdi kullanılarak oluşturulmuştur. Üretim verileri, EPİAŞ Şeffaflık Platformu’ndan alınmış ve Python ile işlenmiştir. XGBoost modeli, farklı ağaç sayıları ve öğrenme oranı (η) denenerek optimize edilmiştir. Modelin etkinliği, belirleme katsayısı (R²), Ortalama Mutlak Ölçekli Hata (MASE), Kök Ortalama Karesel Hata (RMSE), Ortalama Mutlak Hata (MAE) ve Ağırlıklı Mutlak Yüzdesel Hata (WAPE) gibi çeşitli hata ölçümleri ile titizlikle değerlendirilmiştir. Bu çalışmada kullanılan yöntemler ve elde edilen sonuçlar, hidroelektrik enerji tahmininde makine öğrenimi algoritmalarının faydalı olabileceğini ve enerji yönetimi stratejilerinin optimize edilmesine yönelik önemli bilgiler sunabileceğini göstermektedir.
Keywords : HES, Hidroelektrik, Tahmin, XGBoost