Development of new electricity system marginal price forecasting models using artificial intelligence and statistical methods
Yapay zeka ve istatistiksel yöntemler kullanarak yeni elektrik sistemi marjinal fiyat tahmin modellerinin geliştirilmesi
- Tez No: 898407
- Danışmanlar: PROF. DR. MEHMET FATİH AKAY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Elektrik Enerjisi Sektörü, Makine Öğrenmesi, Sistem Marjinal Fiyatı, Electric Energy Sector, Machine Learning, System Marginal Price
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 131
Özet
Elektrik sektöründe, SMP, enerji talebi ve arzının dengelenmesinde kritik bir belirleyici rol oynamaktadır. SMP değerleri, enerji talebindeki değişiklikler, arz kaynaklarındaki varyasyonlar, politika düzenlemeleri ve çevresel koşullar gibi çeşitli karmaşık faktörlere bağlı olarak sürekli dalgalanmalar göstermektedir. Bu dalgalanmalar, SMP'yi enerji üreticileri, dağıtıcıları ve tüketicileri için enerji piyasasındaki dinamik değişkenleri yansıtan hayati bir metrik haline getirmektedir. Enerji kaynaklarının arz-talep dengesi, enerji ithalat ve ihracatındaki değişiklikler, politika müdahaleleri ve teknolojik gelişmeler, marjinal fiyatların belirlenmesinde kilit etkiler arasında yer almaktadır. Bu bağlamda, SMP, elektrik sektöründeki karar vericiler için stratejik bir öneme sahiptir ve enerji şirketleri ile düzenleyicilerin enerji piyasasının karmaşıklıklarına daha iyi uyum sağlamalarına ve etkin enerji yönetimini güvence altına almalarına yönelik önemli bilgiler sunmaktadır. Bu çalışmanın temel amacı, Türk elektrik piyasası için hiperparametrik esneklik temelinde bir arayüzü içeren SMP tahmin modelleri geliştirmektir. Bu amaca ulaşmak için, yapay zeka teknikleri ve ileri istatistiksel yöntemler kullanılarak yüksek doğrulukta SMP tahminleri elde edilmektedir. Özellikle bu tezde, SMP tahmin modellerinin performansını artırmak amacıyla mRMR ve MLFS gibi öznitelik seçimi algoritmaları uygulanmaktadır. Bu çalışmada kullanılan veri seti, 1 Ocak 2021 ile 14 Eylül 2023 tarihleri arasını kapsamakta olup EPİAŞ tarafından sağlanmıştır. Sonuçlar, ELM hem de XGBoost tabanlı modellerin karşılaştırılabilir derecede güçlü bir performans sergilediğini ve SMP tahminlerinde etkili olma potansiyellerini vurgulamaktadır. Buna karşılık, MC yöntemi genellikle kötü sonuçlar üretmekte olup, SMP tahminleri için sınırlı bir etkinlik göstermektedir.
Özet (Çeviri)
In the electricity sector, the System Marginal Price (SMP) is a critical determinant in balancing energy demand and supply. SMP values are subject to constant fluctuations due to a variety of complex factors, including changes in energy demand, variations in supply sources, policy regulations, and environmental conditions. These fluctuations make SMP a crucial metric for energy producers, distributors, and consumers, as it reflects the dynamic variables of the energy market. The balance between the supply and demand of energy resources, changes in energy imports and exports, policy interventions, and technological advancements are key influences in the determination of marginal prices. Within this context, SMP holds strategic importance for decision-makers in the electricity sector, providing essential insights that enable energy companies and regulators to better navigate the complexities of the energy market and ensure effective energy management. The primary objective of this study is to develop SMP forecasting models for the Turkish electricity market, incorporating an interface grounded in hyperparametric elasticity. To achieve this, artificial intelligence techniques and advanced statistical methods are employed to produce highly accurate SMP forecasts. In particular, this thesis applies feature selection algorithms, such as Minimum Redundancy Maximum Relevance (mRMR) and Maximum Likelihood Feature Selector (MLFS), to enhance the performance of SMP forecasting models. The dataset utilized in this study spans from January 1, 2021, to September 14, 2023, and is provided by the Energy Exchange Istanbul (EXIST). The results demonstrate that both the Extreme Learning Machine (ELM) and eXtreme Gradient Boosting (XGBoost)-based models showed comparably strong performance, highlighting their potential effectiveness in SMP forecasting. In contrast, the Monte Carlo (MC) method generally produces poor results, indicating its limited effectiveness for SMP forecasting.
Benzer Tezler
- 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
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- Gün öncesi piyasasında saatlik ve günlük elektrik fiyatları tahmini
Hourly and daily electricity prices forecasting in day-ahead market
YUNUS EMRE ADALI
Yüksek Lisans
Türkçe
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- Türkiye elektrik piyasasında kapasite mekanizması uygulaması ve santral gelirlerine katkısına ilişkin inceleme
Capacity mechanism in turkish electricity market and its contribution to power plant revenues
HÜSEYİN VOLKAN YİĞİT
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- Turkish electricity market: A bottom-up approach
Türkiye elektrik piyasalarına temelden-yukarı yaklaşım
BERKAN SEMER
Yüksek Lisans
İngilizce
2020
EnerjiBahçeşehir Üniversitesiİşletme Bilim Dalı
DR. ÖĞR. ÜYESİ İREM FIRTINA ERTİŞ
- Elektrik piyasalarında talep yönetimi
Demand management in electricity markets
MUSTAFA CANBERK CEYLAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR