Türkiye'de iklimin enerji piyasasına olan etkileri ve bu etkilerin tahmin edilebilirliği
The effects of climate in Turkey's energy market and predictability of these effects
- Tez No: 596412
- Danışmanlar: PROF. DR. AHMET COŞAR, DR. ÖĞR. ÜYESİ TAYFUN KÜÇÜKYILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrik fiyatlarının günlük olarak belirlenmesinde verimlilik, süreklilik ile ekonomik ve güvenli elektrik üretimi başlıca faktörlerdir. Günümüzde, Türkiye'nin artan elektrik enerji ihtiyacının tahmini, çeşitli senaryolara göre TEİAŞ tarafından yapılmakta ve bu tahminler Piyasa Mali Uzlaştırma Merkezi (PMUM) tarafından yayınlanmaktadır. İklim verilerinin elektrik tüketim tahminindeki etkisini incelemek için yapılan araştırmaların bölgesel iklim verileri ile elektrik tüketim tahminleri üzerine yapılmış olduğu görülmüştür. Bu tahminlerde kısıtlı iklim verileri ile hareket edilmiş olduğu ve ulusal seviyede iklim verileri ile çalışılmadığı görülmüştür. Buradan yola çıkarak araştırmamızda, ulusal iklim verileri ile çalışılmış olsa daha doğru tahminler gerçekleştirilebilir mi soruna cevap aranmıştır. Meteoroloji Genel Müdürlüğün'den alınan veriler incelendiğinde istasyon bazlı pek çok farklı verinin saatlik, günlük, aylık ve yıllık veriler olarak tutulduğu görülmüştür. Elektrik tüketim verilerinin saatlik tutulmasından dolayı iklim verilerinde de saatlik veriler üzerinden hareket edilmiştir. İklim verilerinin etkisini incelemek için çeşitli metotlar denenmiştir. Bu verilerle birlikte günün saati, haftanın günü, bayram tatili günü ve gelişmişlik katsayısı verileri destekleyici veri olarak kullanılmıştır. Türkiye'de kurulu meteoroloji istasyonlarından alınan saatlik iklim verileri işlenerek, Türkiye geneli 17 iklim verisinin saatlik ortalamaları çıkarılırken mteoroloji istasyonlarının bulundukları illerdeki nüfus yoğunluğuna göre geliştirilen katsayılar kullanılmıştır. Ayrıca elektrik tüketiminin her yıl artış oranlarından etkilenmemesi için normalizasyon çalışmasına gidilmiştir. Bu çalışmada iki seviyeli bir normalizasyon uygulanarak makine öğrenme altyapısı kullanılmıştır. Tahminlerin her biri için denetimli (supervize), tek etiketli makine öğrenme modelleri denenmiş ve birçok makine öğrenme algoritması ile test edilmiştir. Yapılan deneylerin sonucunda, ülke geneli saatlik elektrik tüketiminin yaklaşık %4,27 hata payı ile tahmin edilebilirliği ortaya konulmuştur.
Özet (Çeviri)
It has been observed that the researches conducted to examine the effect of climate data on electricity consumption forecast are based on regional climate data and electricity consumption forecats. From this point of view, if national climate data is studied, it is sought to answer the question whether more accurate forecasts can be made. When the data obtained from the General Directorate of Meteorology is analyzed, it is seen that many different station-based data are kept as hourly, daily, monthly and annual data. As the electricity consumption data is kept hourly, the climate data is also based on hourly data. Various methods have been tried to examine the impact of climate data. Together with these data, time of day, day of week, holiday day and development coefficient were used as supporting data. The coefficients were delevoped according to population density of the cities where meteorological stations are established are used when the hourly averages of the 17 climate data throughout Turkey is inferred. Additionally, normalization study is conducted for preventing electricity consumption from being affected by rate of increase. In this study, two-level normalization is implemented and machine learning infrastructure is used. Controlled and single-labelled machine learning models have been tried for each of the predictions, and it is tested with many machine learning algorithms. The predictability of the country-wide hourly electricity consumption with a margin of error of approximately 4.27% is revealed as a result of the experiments.
Benzer Tezler
- Türkiye'de rüzgar enerjisi santralları için teşvik uygulamaları ve bilgisayar programı ile irdelenmesi
The analysis of wind energy support mechanisms in Turkey and the evaluation by computer program
İBRAHİM HALİL KILIÇ
Yüksek Lisans
Türkçe
2016
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. ASİYE BERİL TUĞRUL
- Enerji performans sözleşmelerinin Türkiye'de uygulanabilirlik analizi
Applicability analysis of energy performance contracts in Turkey
HANDE NUR AKKOÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms
Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak
CEM ÖZEN
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ
- Türkiye'de sera gazı emisyon azaltımında karbon ticareti ve yenilenebilir enerji projelerinin rolü
The role of carbon trade and renewable energy projects for the reduction of the greenhouse gas emission in turkey
BENGÜ ÖZDEMİR
Yüksek Lisans
Türkçe
2019
Çevre Mühendisliğiİstanbul Üniversitesi-CerrahpaşaÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU ONAT
- Yenilenebilir enerji planlaması için bütünleşik çok amaçlı bir karar modeli önerisi
An integrated multi-objective decision model for renewable energy planning
BEYZANUR ÇAYIR ERVURAL
Doktora
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN EVREN