Geri Dön

Elektrik üretim ve fiyat tahmin yöntemleriyle elektrik piyasasındaki dengesizlik maliyetlerinin optimizasyonu

Optimization of imbalance costs in electricity market by using electricity generation and price forecasting methods

PDF İndir

  1. Tez No: 632914
  2. Yazar: SAİT YAZICI
  3. Danışmanlar: PROF. DR. NİZAMETTİN BAYYURT, DOÇ. DR. MEHMET GÜRAY GÜLER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 125

Özet

Elektrik üreten firmalar bir gün sonraki üretim tekliflerini elektrik piyasaları işletmecisi olan EPİAŞ'a bildirmektedir. Bu tekliflerin değerlendirilmesiyle oluşan arz ve talebe göre elektrik fiyatları belirlenerek elektrik ticareti gerçekleşmektedir. Ancak yenilenebilir enerjiden elektrik üretiminin hava şartlarına bağlı olarak gerçekleşmesinden dolayı ne kadar üretim yapılacağının tahmin edilmesinde hatalarla karşılaşılmaktadır. Tahmin edilen üretimin gerçekleşen üretimden az olması durumunda üretici firmalar negatif dengesizliğe düşmektedir ve piyasa işletmecisi tarafından belirlenen kurallara göre ceza ödemek durumunda kalmaktadır. Aynı şekilde tahmin edilen üretimin gerçekleşen üretimden fazla olması durumunda ise firmalar pozitif dengesizliğe düşmektedirler. Bu durumda üretim fazlası olan kısım EPİAŞ tarafından daha düşük bir fiyata satın alınarak firmalara farklı bir ceza uygulanmaktadır. Bu nedenle elektrik üretiminin düşük hatayla tahmin edilmesi elektrik üreticileri açısından önem arz etmektedir. Bu çalışmada doğrusal regresyon ve yapay sinir ağları kullanılarak güneş enerjisi üretim tahmini için modeller kurulmuş ve en düşük hatayı veren model tespit edilmiştir. En iyi tahmin modelleri kurulsa bile tam isabetli tahminler gerçekleştirmek mümkün değildir. Bu nedenle dengesizlik maliyetleri firmalar için kaçınılmaz olmaktadır. Tahmin edilen üretimin gerçekleşenden az veya fazla olması ihtimalleri durumunda negatif ve pozitif dengesizlik maliyetlerinin beklenen değerleri hesaplanmıştır. Bu maliyetlerin toplamını minimize edecek olan optimum teklifin belirlenmesinin, üretici firmaların gelirini arttırmaya katkı sağlayacağı düşünülmüştür. Ancak üretimde dengesizliğe düşüldüğünde uygulanacak olan cezalar elektrik fiyatlarına bağlı olarak belirlenmektedir. Elektrik fiyatları ise üretim tekliflerinin EPİAŞ'a bildirilmesinden sonra belirlenmektedir. Bu nedenle dengesizlik maliyetlerini minimize edecek olan optimum teklifin belirlenebilmesi için bir gün sonraki elektrik fiyatlarının da tahmin edilmesi gerekmektedir. Piyasa Takas Fiyatı ve Sistem Marjinal Fiyatının tahmin edilmesi için doğrusal regresyon ve yapay sinir ağları kullanılarak çok sayıda model kurulmuş ve en düşük hataya ulaşılan model tespit edilmiştir. Son bölümde ise dengesizlik maliyetleri göz önüne alınarak gelir fonksiyonu oluşturulmuştur. Beklenen geliri maksimize edecek olan gazeteci çocuk modeli kurulmuştur. Elektrik üretim ve fiyat tahmin değerleri gazeteci çocuk modelinde kullanılarak optimum teklif değeri belirlenmiştir. Öncelikle tahmin edilen üretim değerine göre elde edilecek gelir ve dengesizlik maliyetleri hesaplanmıştır. Daha sonra geliri maksimize eden optimum teklif değerine göre elde edilecek gelir ve dengesizlik maliyetleri hesaplanarak sonuçlar karşılaştırılmıştır. Optimum teklif değeri kullanıldığında ne kadar iyileştirme yapıldığı gözlemlenmiştir. Bu işlemler tahmin edilen elektrik fiyatları ve gerçek elektrik fiyatları için ayrı ayrı yapılarak elektrik fiyatı tahmin performansının gelir artışına etkisi araştırılmıştır.

Özet (Çeviri)

Companies generating electricity report their electricity generation forecasts of the following day to EPIAS, which is the operator of electricity markets. Electricity prices are determined according to the supply and demand that is formed by evaluating these bids. Electricity trading takes place at these prices. If the forecasted generation is less than the actual generation, the producer firms are in negative imbalance and have to pay penalty according to the rules determined by EPIAS. In the same way, if the forecasted generation is more than the actual generation, the firms are in positive imbalance. In this case, the part with generation surplus is purchased by EPIAS with a lower price and a different penalty is applied to the firm. For this reason, accurate forecast of electricity generation is significant for electricity producers. In this study, models for forecasting solar energy generation using linear regression and artificial neural networks are set up and the model with the lowest error is determined. Even if the best forecast models are set up, it is not possible to make exact forecasts. For this reason, imbalance costs are inevitable for companies. The expected values of the negative and positive imbalance costs are calculated in the case of the probability of the forecasted generation being less or more than actual. It is thought that determining the optimum bid that will minimize the sum of these costs will contribute to increasing the revenue of the producers. However, the penalties for the imbalance in generation are determined by the electricity prices. Electricity prices are determined after the bids are reported to EPIAS. For this reason, it is necessary to forecast the electricity prices of the next day in order to determine the optimum bid which will minimize the imbalance costs. In order to forecast Market Clearing Price and the System Marginal Price, numerous models are set up by using linear regression and artificial neural networks. The model with the lowest error is determined. In the last chapter, revenue function is created by taking into account the imbalance costs. The newsvendor model that will maximize expected revenue is set up. Forecasted electricity generation and price values are used in the newsvendor model to determine the optimum bid. Firstly, revenue and imbalance costs to be obtained according to the forecasted value are calculated. Then, revenue and imbalance costs to be obtained according to the optimum bid value that maximizes the revenue are calculated. Results are compared. It is observed how much improvement is made when the optimum bid value is used. These calculations are conducted separately for the forecasted electricity prices and the actual electricity prices. The effect of the electricity price forecasting performance on the revenue increase is investigated.

Benzer Tezler

  1. Tez No

    365650

    Turkey's short term hourly electricity demand forecasting using artificial neural network

    Yapay sinir ağı ile Türkiye'nin kısa vadeli saatlik elektrik talep tahmin

    MUHAMMED G YASİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. VEHBİ ÇAĞRI GÜNGÖR

  2. Tez No

    790257

    Elektrik piyasası borsasında teknik analiz yöntemleri kullanılarak elektrik fiyatının tahmin edilmesi ve algoritmik işlemler

    Forecasting the of the electricity price using technical analysis methods in the electricity market exchange and algorithmic trade

    YAVUZHAN ERTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiKocaeli Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. NURAN YÖRÜKEREN

  3. Tez No

    650941

    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

    Türkçe

    2020

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MERAL ÇETİN

    PROF. DR. ŞAHAP KASIRGA YILDIRAK

  4. Tez No

    828927

    A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  5. Tez No

    863708

    Yapay zeka ve zaman serisi modelleriyle elektrik spot piyasalarında fiyat tahmin uygulaması

    Price forecasting in the electricity spot markets with artificial intelligence and time series models

    İBRAHİM CAN BAŞTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiDüzce Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUNUS BİÇEN

Geri Dön