Geri Dön

Predicting supply curve of electricity in an intra-day market using state-space models and sequential Markov chain Monte Carlo methods

Durum-uzay modelleri ve sıralı Markov zinciri Monte Carlo yöntemleri kullanılarak bir gün içi piyasada elektrik arzeğrisinin tahmin edilmesi

  1. Tez No: 680404
  2. Yazar: MOHAMMAD KHALAFI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN YILDIRIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Serbest piyasada, bir malın fiyatı arz ve talep arasındaki ilişkiye dayanır. Elektrik piyasasında bir istisna yoktur. Enerji şirketleri, belirli bir talep miktarı için ne kadar arzın gerekli olacağını tahmin etmek için çeşitli yük tahmin teknikleri kullanır. Talep ve arz eğrilerinin kesiştiği piyasa dengesinde, belirli bir malın fiyatı gerçekleşir. Ancak elektrik piyasasının kendine has özelliklerinden dolayı elektrik fiyatının günlük ve saatlik tahmini daha önemlidir. Bu çalışmada Türkiye elektrik piyasasının günlük arz eğrisi tahmini yapılacaktır. Bu tahminler günün her saati içindir. Bir gün içi piyasada arz eğrisini tahmin etmek için bir saklı Markov Modeli geliştirdik. Saklı Markov Modelleri veya Durum-Uzay modelleri ile ilgili en popüler yaklaşımlar, parçacık filtreleme yöntemleri olarak adlandırılan Sıralı Monte Carlo yöntemleridir. Ancak yüksek boyutluluk durumunda standart parçacık filtreleme algoritmaları başarısız olur ve verimli olmaz. Makalemizde, Modelin saklı değişkenleri, özellikle yüksek boyutlu bir problemle uğraşırken yük tahmininde bir yenilik olan Sıralı Markov chain Monte Carlo yöntemi ile tahmin edilmektedir. Algoritmamızın hedef dağılımdan örneklenmesi için iki farklı çekirdek öneriyoruz. Ayrıca, saklı Markov modelimizde saklı değişkenlerin varyansları ve gözlemler gibi modelin hiper parametrelerini güncellemek için bir beklenti-maksimizasyon algoritması kullanıyoruz.

Özet (Çeviri)

In a free market, the price of a commodity is based on the relation between demand and supply. There is no exception in the case of the electricity market. Power companies use various load forecasting techniques to predict how much supply will be needed for a particular amount of demand. In the market equilibrium where demand and supply curves intersect, the price of a given commodity is realized. However, due to the special characteristics of the electricity market, daily and hour-by-hour prediction of the electricity price is more important. In this study, we will predict the daily supply curve of the electricity market in Turkey. These predictions are for each hour of the day. We have developed a hidden Markov model (HMM) to predict the supply curve in an intra-day market. The most popular approaches in dealing with the hidden Markov models or state-space models are sequential Monte Carlo methods (SMC) which are called particle filtering methods. However, in the case of high-dimensionality, standard particle filtering algorithms fail and are not efficient. In our article, the latent variables of the model are approximated by a sequential Markov chain Monte Carlo (SMCMC) method, which is an innovation in load forecasting, especially when dealing with a high-dimensional problem. We propose two different kernels for our algorithm to sample from the target distribution. Moreover, we use an expectation-maximization (EM) algorithm to update the hyperparameters of the model, such as the variances of latent variables and observations in our hidden Markov model.

Benzer Tezler

  1. Türkiye gün öncesi elektrik piyasasında saatlik fiyatların uzun dönemli olarak tahmin edilmesi için fundamental bir yöntem geliştirilmesi

    Development of a fundamental model for forecasting long-term hourly prices in the Turkish day-ahead electricity market

    OZAN KORKMAZ

    Doktora

    Türkçe

    Türkçe

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. BİHRAT ÖNÖZ

  2. Matlab implementation of artificial neural networks algorithms for power consumption prediction

    Güç tüketimi tahmini için yapay sinir ağları algoritmalarının matlab uygulaması

    MOHAMMAD MOUNAM AGOOL AGOOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM

  3. Türkiye'de yeraltı gaz depolaması gereksinimi ve Kuzey Marmara gaz sahasının depo olarak modellenmesi

    The need for underground gas storage in turkey and modeling of the Northern Marmara gas field as a storage reservobr

    HÜLYA KARAALİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDURRAHMAN SATMAN

  4. Artificial neural networks algorithms for power consumption prediction

    Başlık çevirisi yok

    NADA MOHAMMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGE YÜCEL KASAP

  5. Vanadyum redoks akışkan akü enerji depolama sistemli bir rüzgar tarlası için enerji üretim ve depolama analizi

    Energy production and storage analysis for a wind farm supported with a vanadium redox flow battery energy storage system

    CANSEV ÇAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    YRD. DOÇ. DR. BURAK BARUTÇU