Türkiye'nin saatlik elektrik piyasa takas fiyatının üstel gauss süreç regresyonu kullanılarak modellenmesi
Modeling turkey's hourly electricity market clearing price using exponential gaussian process regression
- Tez No: 1011965
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: elektrik piyasası, piyasa takas fiyatı (PTF), makine öğrenmesi, Gauss süreci regresyonu, fiyat tahmini, Elektrik, Gauss yöntemi, electricity market, market clearing price (MCP), machine learning, Gaussian process regression, price forecasting, Electricity, Gaussian method
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada, Türkiye Gün Öncesi Piyasası'nda (GÖP) stratejik öneme sahip olan Piyasa Takas Fiyatı'nın (PTF) doğru bir şekilde tahmin edilmesi amaçlanmıştır. Üretim planlaması, maliyet tahmini ve risk yönetimi süreçlerinde kritik rol oynayan PTF'yi modellemek için Üstel Gauss Süreci Regresyonu (EGPR), Rasyonel Karesel Gauss Süreç Regresyonu (RGPR), Karesel Destek Vektör Makinesi (QSVM) ve Orta Gauss Destek Vektör Makinesi (MGSVM) yöntemlerinin performansları karşılaştırılmıştır. Yöntem: Modelleme sürecinde 4001 veri noktası kullanılmıştır. Bağımsız değişkenler olarak; gerçek zamanlı elektrik tüketimi, kaynaklara göre saatlik üretim (doğalgaz, barajlı, linyit, nehir tipi, güneş), alım/satım teklif hacimleri, eşleşen miktarlar ve döviz kuru seçilmiştir. Modellerin doğruluğunu test etmek amacıyla 10 katlı çapraz doğrulama yöntemi ve eğitim verilerinden tamamen bağımsız bir test veri seti kullanılmıştır. Performans değerlendirmesinde Kök Ortalama Kare Hata (Root Mean Square Error, RMSE), Ortalama Kare Hata (Mean Squared Error, MSE), Ortalama Mutlak Hata (Mean Absolute Error, MAE) ve Determinasyon (Belirleme) Katsayısı, ( R^2) kriterleri baz alınmıştır. Bulgular: Yapılan analizler sonucunda EGPR modelinin, hem 10 katlı çapraz doğrulamada (0.908) hem de bağımsız test verilerinde (0.913) en yüksek belirleme katsayısına (R^2) sahip olduğu gözlemlenmiştir. EGPR modeli, çapraz doğrulama aşamasında 161.33 RMSE ve 120.33 MAE; bağımsız test setinde ise 87.94 RMSE ve 61.56 MAE değerleri ile en düşük hata oranlarını sergilemiştir. Sonuç: Çalışmada ele alınan makine öğrenmesi yöntemleri arasında EGPR modelinin, Türkiye elektrik piyasası fiyat tahminlerinde en başarılı sonuçları verdiği tespit edilmiştir. Hem hata metrikleri hem de test sonuçları, EGPR ile oluşturulan modelin RGPR, QSVM ve MGSVM modellerine göre daha yüksek doğrulukla tahmin yapabildiğini ve piyasa katılımcıları için güvenilir bir araç olabileceğini ortaya koymuştur.
Özet (Çeviri)
Objective: This study aims to accurately predict the Market Clearing Price (MCP), which holds strategic importance in the Turkish Day-Ahead Market (DAM). To model the MCP, which plays a critical role in production planning, cost estimation, and risk management processes, the performances of the Exponential Gaussian Process Regression (EGPR), Rational Quadratic Gaussian Process Regression (RQGPR), Quadratic Support Vector Machine (QSVM), and Medium Gaussian Support Vector Machine (MGSVM) methods were compared. Method: In the modeling process, 4001 data points were used. As independent variables, real-time electricity consumption, hourly production by sources (natural gas, dam, lignite, river type, solar), buy/sell offer volumes, matched quantities, and exchange rates were selected. To test the accuracy of the models, a 10-fold cross-validation method and a test dataset completely independent of the training data were used. In the performance evaluation, the criteria of Root Mean Square Error (RMSE), Mean Squared Error (MSE), Mean Absolute Error (MAE), and Coefficient of Determination (R^2) were used. Findings: As a result of the analyzes, it was observed that the EGPR model had the highest determination coefficient R^2 in both 10-fold cross-validation (0.908) and independent test data (0.913). The EGPR model exhibited the lowest error rates during the cross-validation phase with 161.33 RMSE and 120.33 MAE, and in the independent test set with 87.94 RMSE and 61.56 MAE. Conclusion: Among the machine learning methods examined in the study, it was determined that the EGPR model provided the most successful results in predicting electricity prices in the Turkish market. Both error metrics and test results have shown that the model created with EGPR can make predictions with higher accuracy compared to the RGPR, QSVM, and MGSVM models, and it could be a reliable tool for market participants.
Benzer Tezler
- Sınır ötesi elektrik ticaretinin gün öncesi piyasası fiyat oynaklığı üzerindeki etkisi: Türkiye örneği
Impact of cross-border electricity trade on day-ahead market price volatility: A case study of Turkey
MUSTAFA EMİN MALKOÇ
Yüksek Lisans
Türkçe
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Ardışık hidroelektrik santrallerden oluşan bir sistemde üretim planlama ve gün öncesi enerji piyasasında teklif oluşturmak için entegre bir optimizasyon modeli ve analizi
An integrated optimization model and analysis for the production planning and bidding in the day-ahead energy market for a system of cascading hydroelectric power plants
SEVDE NUR ÖZBOLAT
Yüksek Lisans
Türkçe
2021
EnerjiTobb Ekonomi ve Teknoloji ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR ERTOĞRAL
- Akkuyu nükleer güç santralinin Türkiye elektrik enerjisi piyasası ile enerji sisteminin işleyişi üzerindeki olası etkilerinin kantitatif analizi
Quantitative analysis of the potential effects of the Akkuyu nuclear power plant on Turkey's electricity market and the operation of the energy system
ALİ ASLAN
Yüksek Lisans
Türkçe
2026
EnerjiYıldız Teknik ÜniversitesiEnerji Teknolojileri Ana Bilim Dalı
DOÇ. DR. ERCAN İZGİ
- Türkiye elektrik piyasasında risk duyarlı enerji depolama politikaları kullanarak fiyat arbitraj potansiyelinin araştırılması
Investigating price arbitrage potential based on risk sensitive energy storage policy in turkish electricity
CEREN VERGİLİ
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİH TEKİN
- Türkiye'de gün öncesi piyasası için elektrik fiyatlarının tahmini
Prediction and forecasting of electricity prices for Turkish day ahead market
SİNAN DEMİREZEN
Yüksek Lisans
Türkçe
2020
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MERAL ÇETİN
PROF. DR. ŞAHAP KASIRGA YILDIRAK