Karşılaştırmalı istatistiksel yöntemler ile Türkiye elektrik piyasasında fiyat tahmin ve analizi
Forecasting and analysis in Turkish electricity market with comparative statistical methods
- Tez No: 682184
- Danışmanlar: PROF. DR. İRFAN ERTUĞRUL
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, İşletme, Statistics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: 104
Özet
Operasyon süreçlerinden birisi olan ve Türkiye'de EPİAŞ aracılığıyla işletilen elektrik piyasalarında arza çıkan her birim elektrik için ise arz ve talep dengesine göre piyasa takas fiyatı oluşmaktadır. Piyasa takas fiyatı saatlik olarak oluşmakta katılımcılara ve halka açık olarak şeffaf platformlarda bildirilmektedir. Saatlik olarak oluşan piyasa takas fiyatı her zaman dengeli bir seyir izlememekte, bu da piyasa takas fiyatının analizini güçleştirmektedir. Piyasa takas fiyatının analizi ve tahmini ise piyasada işlem yapan katılımcılar için oldukça önem taşımaktadır. Analizlerini gerçek verilere dayandırarak yapan katılımcılar piyasaları daha iyi irdeleyerek karlılıklarını arttırmaktadırlar. Bu çalışmanın amacı Türkiye Elektrik Piyasalarında oluşan piyasa takas fiyatının analizini yapmak ve literatürde sıklıkla kullanılan istatistiksel tahmin analiz yöntemlerinin performanslarını karşılaştırmaktır. Bu çalışmada R istatistik paket programı kullanılarak çoklu regresyon yöntemi ve yapay sinir ağı modelleri; Eviews paket programı ile ise ARIMA yöntemi kullanılarak geçmiş piyasa fiyatının analizi ve tahmini gerçekleştirilmiştir. Analizler yapılırken 2020 yılı mart, nisan, mayıs ve haziran aylarında gerçekleşmiş olan 2928 adet piyasa takas fiyatı verisi ile analizler uygulanmıştır. Çoklu regresyon ve yapay sinir ağları yöntemleri ile piyasa fiyatını doğrudan etkilediği düşünülen doğalgaz, hidroelektrik, rüzgar, termik üretim miktarları ve enerjiye olan talep miktarları bağımsız değişkenler olarak ele alınmıştır. ARIMA yönteminde ise verinin geçmiş değerleri referans olarak alınarak analizler gerçekleştirilmiştir. Analiz yöntemi olarak kullanılan modeller birbirleri ile kıyaslanmış ve tahmin performansları karşılaştırılmıştır. Çalışmada kullanılan analiz yöntemleri sonucunda en iyi performansın sırasıyla yapay sinir ağları, çoklu regresyon yöntemi ve ARIMA yönteminden elde edildiği belirlenmiştir.
Özet (Çeviri)
For each unit of electricity supplied in electricity markets, which is one of the operation processes and operated through EPİAŞ in Turkey, a market-clearing price is formed according to the supply and demand balance. The market-clearing price is formed hourly and reported to the participants on transparent platforms. The hourly market-clearing price does not always follow a balanced course that makes it difficult to analyse. The analysis and estimation of the market-clearing price is very important for the participants trading in the market. Participants who make their analysis based on real data increase their profitability by examining the markets with scrutiny. The aim of this study is therefore to analyse the market-clearing price in Turkish Electricity Markets and to compare the performances of statistical prediction analysis methods frequently used in the literature. In this study, multiple regression method and artificial neural networks models were applied by using R statistical package program; with the Eviews package program the analysis and estimation of the past market price was performed using the ARIMA method. Analyses were applied to 2928 data of market clearing prices realized in March, April, May and June 2020. In the multiple regression and artificial neural network models, the amount of natural gas, hydroelectric, wind, thermal generation and demand for energy, which are thought to directly affect the market price, are considered as independent variables. In the ARIMA method, analyses were carried out by taking the past values of the data as a reference. The models used as analysis method were compared with each other and their estimation performances were compared. The results of the analysis methods used in the study show that the best performance was obtained through artificial neural networks, multiple regression method and ARIMA method, respectively.
Benzer Tezler
- Cross-market analysis of deep learning models for electricity price forecasting
Elektrik fiyat tahmini için derin öğrenme modellerinin piyasalar arası analizi
ÇAĞATAY BERKE BOZLAK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CLAUDIA FERNANDA YAŞAR
- Developing regional electricity pricing by clustering methods, considering production, consumption and population: The case of Turkey
Bölgesel elektrik fiyatlandırmasının bölgesel üretim, tüketim ve nüfusu dikkate alarak kümelenme yöntemleriyle geliştirilmesi: Türkiye örneği
SALMAN HASAN ABDULHALEEM AL-RAWE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAYSAL
- YEKDEM katılım kararı için arıma modeli kullanılarak uzun dönemli elektrik fiyat tahminlemesi
Long-term electricity price forecast using the arima model for the decision to participate of YEKDEM
ULVİ FİKRİ DOĞAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ
- Syrian household energy consumption in Istanbul
İstanbul'da yaşayan Suriye hane halkının enerji tüketimi
EBRU ACUNER TÜRET
Doktora
İngilizce
2020
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. MEHMET ÖZGÜR KAYALICA
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA