Short term electricity price forecasting using long short-term memory
Uzun kısa süreli bellek kullanarak kısa vadeli elektrik fiyatı tahmini
- Tez No: 516435
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜRKAN SOYKAN
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 90
Özet
Türkiye'nin, gün öncesi elektrik piyasasına geçiş yapmasıyla, elektrik piyasa rekabeti artmış ve, ertesi günün elektrik fiyat tahmini piyasa katılımcıları için önemli hale gelmiştir. Elektrik fiyatlarını etkileyen faktörlerin başlıcaları; ikili anlaşmalar, hava koşulları, tüketim miktarı, üretim kaynaklarının durumudur. Bu faktörler göz önüne alındığında, kısa vadeli elektrik fiyat tahmini oldukça zorlu bir süreçtir. Bu çalışmada, derin öğrenme yöntemlerinden biri olan Uzun Kısa Süreli Bellek (UKSB) kullanılarak kısa vadeli elektrik fiyat tahmini yapılmıştır. Oluşturulan model sadece tarihsel elektrik fiyat değerlerini girdi olarak kullanmaktadır. Türkiye'nin 2015, 2016 ve 2017 yıllarına ait saatlik elektrik fiyatları giriş verisi olarak kullanılmıştır. Çalışmada kullanılan veri kış ve yaz mevsimleri için eğitim ve test verisi olarak iki parçaya bölünmüştür. Yöntemin kısa vadeli elektrik fiyat tahmini için performası yinelenen sinir ağı ve üstel düzeltme yöntemlerinin performansı ile karşılaştırılmıştır. Önerilen çözüm yönteminde elde edilen MAPE değerleri kış için yüzde 5,91 ve yaz için yüzde 5,77'dir.
Özet (Çeviri)
Turkey's electricity market competition has increased with the day-ahead electricity market and next day's forecasted electricity price has become important for the market participants. The main factors affecting electricity prices are bilateral agreements, weather conditions, the amount of consumption, the status of generation resources. Depending on these factors, short term electricity price forecasting is quite a challenging process. In this study, short term electricity price forecasting had been done with using Long Short-Term Memory (LSTM), one of the popular deep learning methods. The prepared model has used only historical electricity price values as the input. As data, Turkey's hourly electricity price values for 2015, 2016 and 2017 had been used as input data. The data used in the study has been separated into two parts as training and testing data for summer and winter seasons. The performance of the technique for short term electricity price forecasting was compared with the performances of recurrent neural network and exponential smoothing techniques. The MAPE value obtained by using the proposed solution technique is 5.91 percentage for winter and 5.77 percentage for summer.
Benzer Tezler
- Farklı makine öğrenmesi yöntemleri ile enerji piyasasında yerel marjinal fiyat tahmini
Local marginal price forecasting using different machine learning approaches
BAŞAK ERSÖZ YILDIRIM
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. OZAN ERDİNÇ
- Applications of time-series methods in electricity price forecasting
Başlık çevirisi yok
TOYGAR ÜLGEN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKTÜRK POYRAZOĞLU
- A comparatıve analysıs of LSTM and XGBoost methods for day ahead electrıcıty prıce forecastıng
Gün öncesi elektrik fiyatı öngörüsü için LSTM ve XGBoost yöntemlerinin karşılaştırmalı analizi
CAHİT URAL KÜKNER
Yüksek Lisans
İngilizce
2020
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. AHMET DURMAYAZ
- Prediction of electricity market clearing price using machine learning and deep learning
Makine öğrenme ve derin öğrenme yöntemleri kullanılarak elektrik piyasa takas fiyatının tahmini
ABDULHALİM YANAR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET FATİH AKAY
- Developing optimum operation strategies for wind-hydro hybrid systems
Rüzgar-hidro hibrit sistemler için optimum çalışma stratejilerinin geliştirilmesi
ERAY ERCAN
Yüksek Lisans
İngilizce
2020
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ELÇİN KENTEL ERDOĞAN