Models for electricity demand forecasting, classification, and imbalance reduction in competitive markets
Elektrik talep tahmini, sınıflandırılması ve rekabetçi piyasalar için dengesizlik azaltma modelleri
- Tez No: 797845
- Danışmanlar: PROF. DR. AHMET DENİZ YÜCEKAYA
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Enerji, Matematik, Industrial and Industrial Engineering, Energy, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 132
Özet
Liberalleşen enerji piyasalarında, tüketici ve üreticilerin saatlik tahminleri, enerji kaynaklarının verimli kullanılması ve çevresel etkilerin azaltılması açısından büyük önem taşımaktadır. Bu çalışmada ENTSO-E ortak ağında yer alan ülkelerin 2006-2018 yılları arasındaki tüketimleri zaman serisi yöntemi kullanılarak analiz edilmiştir. Oluşturulan model ile Fourier Serisi Genişletmesi kullanılarak kısa, orta ve uzun vadeli talep tahminleri yapılmaktadır. Kısa vadeli tahminlerin hata oranını iyileştirmek için alternatif olarak oluşturulan geri besleme ve otoregresif yöntemlerle hibrit bir model oluşturulmuştur. Yıllık tahminler ortalama %6 hata oranı ile yapılırken, günlük tahminlerde hata oranı %4,5 civarındadır. Oluşturulan hibrit modeller ile yaklaşık %1,5 ve %1 hata oranları ile saatlik tahminler yapılabilmektedir. Doğru tahminler enerji piyasalarının etkinliği açısından büyük önem taşımakta ve gelişen teknoloji ile birlikte enerji depolama imkanlarının ortaya çıkması bu önemi artırmaktadır. Bu nedenle hibrit modelin tahmin sonucu kullanılarak Türkiye Enerji Piyasasındaki dengesizlik miktarı tahmin edilmiş ve buna göre dengesizlik maliyetinin düşürülmesine yönelik bir strateji geliştirilmiştir. Bu strateji ile depolamanın mümkün olduğu ve olmadığı durumlar için simülasyonlar yapılmış ve sonuçlar paylaşılmıştır.
Özet (Çeviri)
In liberalized energy markets, hourly forecasts of consumers and producers are crucial for efficiently using energy resources and reducing environmental impacts. In this study, the countries' consumption in the ENTSO-E common network between 2006 and 2018 was analyzed using the time series method. With the created model, short, medium, and long-term demand forecasts are made using Fourier Series Expansion. In order to improve the error rate of short-term forecasts, a hybrid model was created with alternatively created feedback and autoregressive methods. While annual forecasts are made with an average error rate of 6%, the error rate in daily forecasts is around 4.5%. With the hybrid models created, hourly estimates can be made with approximately 1.5% and 1% error rates. Accurate estimations are of great importance in terms of the efficiency of energy markets, and the emergence of energy storage opportunities with the developing technology increases this importance. For this reason, the amount of imbalance was estimated by using the forecast result of the hybrid model in the Turkish Energy Market, and a strategy was developed to reduce the imbalance cost accordingly. With this strategy, simulations have been made for situations with and without storage, and the results have been shared.
Benzer Tezler
- Rüzgar hız ve enerji verilerinin tahmini için kaotik yaklaşımla birlikte destek vektör regresyonunun kullanımı
The use of support vector regression in conjunction with the chaotic approach for the forecasting of wind speed and energy data
ELİF BEYZA ÇATALBAŞ ERDOĞAN
Yüksek Lisans
Türkçe
2019
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. KASIM KOÇAK
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- Çok boyutlu hibrit CNN-LSTM modeli kullanarak elektrik tüketim verilerinden tarife grubu sınıflandırması
Tariff classification with multi-dimensional deep learning using time series load data
ZÜMERYA ÜSTÜNDAĞ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH SERTTAŞ
- Talep tahmini için gri temelli bir yaklaşım
A grey based approach to demand forecasting
CEYDA TANYOLAÇ BİLGİÇ
Doktora
Türkçe
2022
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Makine öğrenmesi kullanarak Türkiye'de elektrikli araç şarj istasyonlarının potansiyel kullanım performansının mekânsal tahmini
Spatial estimation of potential utilization performance of electric vehicle charging stations in Türkiye using machine learning methods
SERKAN TANRIVERDİ
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADALET DERVİŞOĞLU