Applying machine learning techniques to theestimation of reference bids
Referans tekliflerin tahminine yönelik makine öğrenimi tekniklerinin uygulanması
- Tez No: 912904
- Danışmanlar: PROF. DR. MORİTZ BOHLAND
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Technische Universität München
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 38
Özet
Elektrik jeneratörlerinin marjinal maliyet tahmini, piyasa gözetimi için kullanılan temel ölçevlerden biri olduğundan sürdürülebilir bir elektrik piyasası oluşturmak için çok önemli bir unsurdur. Maliyet tahminine yönelik mevcut teknikler, genellikle elektrik jeneratörlerinin kar fonksiyonuna birinci dereceden yaklaşıma dayanmaktadır. Ancak, enerji piyasasındaki mevcut piyasa gücüne dair kanıt, jeneratörlerin piyasa dinamiklerini, varsayımlarını ve beklenen davranışlarını değiştirmektedir. Bu nedenle, bu teknik mevcut piyasa gücü durumunda yanıltıcı olabilmektedir. Bir diğer yaygın yöntem ise, marjinal maliyet göstergesi olarak geçmiş tedarikçi tekliflerinin ortalama ve orta değerlerini kullanan referans tekliflerdir. Ancak, makul bir maliyet seviyesinin belirlenmesi için yalnızca belirli bir döneme ait geçmiş tekliflerden orta ve ortalama değerlerin kullanılması, dinamiği en yüksek piyasalardan biri olan enerji piyasaları için tartışmalı bir konudur. Bu çalışmada, iki yıl boyunca (2017-2018) İspanya enerji piyasalarından kömür santrallerinin marjinal maliyetini tahmin etmek için her iki tekniğin zayıf yönlerini ortadan kaldıran XGboost'un bir makine öğrenimi regresyon modelini uyguladık. Geliştirilen makine öğrenimi modeli, 90 günlük değişken aralıklı geçmiş 90 günlük eşleşen ve eşleşmeyen teklifleri kullanmaktadır. İlk olarak, model, yalnızca 2160 özellik sütunundan oluşan tekliflerin özellik grupları konusunda eğitilmiş, sonrasında model ek açıklayıcı özellikler ile genişletilmiştir. Diğer yandan, oluşturulan makine öğrenimi modellerinin referans tekliflere kıyasla ortalama mutlak hata ve kök ortalama kare hatası açısından çok daha az hata ile sonuçlandığını görüyoruz.
Özet (Çeviri)
The marginal cost estimation of power generators is a crucial element to create a sustainable electricity market because it is one of the key metrics used for market surveillance. The current techniques for cost estimation are usually based on the first-order approach to profit function of power generators. However, the evidence of existing market power in the energy market changes the market's dynamics, assumptions, and expected behaviours of generators. Therefore, this technique may be misleading in the case of existing market power. Another common method is reference bids that use mean and median values of past supplier bids as marginal cost indicator. However, using only median and mean values from past bids for the particular period to determine a reasonable cost level is a controversial topic for energy markets, one of the highest dynamics markets. In this work, we applied a machine learning regression model of XGboost that overcomes the weaknesses of both techniques to predict the marginal cost of fossil fuel power plants from Spain energy markets for two years (2017-2018). The developed machine learning model uses past 90 days matched and unmatched bids with 90 days sliding window. First, the model trained on only feature sets of bids that consisted of 2160 feature columns after that the model extended with additional explanatory features. On the other hand, we see that the created machine learning models resulted in much fewer errors in mean absolute error and root means squared error compared to reference bids.
Benzer Tezler
- Indoor positioning in the presence of an uncertain reference point
Kesinliği belirsiz bir referans nokasının varlığında, kapalı ortamlarda konum belirleme
EMRE TEOMAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA OVATMAN
- Makine öğrenmesi yardımıyla zincir restoran gıda satışlarının tahmin edilmesi ve hava durumunun etkisinin incelenmesi
Forecasting food sales on chain restaurant and investigating weather effect on sales by using machine learning methods
SEZGİ ŞENER
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ
- Estimation of commercial building energy consumption with machine learning
Makine öğrenimi ile ticari bina enerji tüketimi tahmini
YOUSIF MURSHID MUHEALDDIN MUHEALDDIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM BUYRUKOĞLU
DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER
- Deformation estimation of a tendon-driven elastic actuator with soft strain sensors
Yumuşak gerilme sensörleri ile tendon kontrollü esnek aktuatörün deformasyon tahmini
MILAD HAYATI
Yüksek Lisans
İngilizce
2023
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. MELİH TÜRKSEVEN
- Machine learning-adapted rapid visual screening method for prioritizing seismic risk states of masonry structures
Yığma yapıların sismik risk durumlarının önceliklendirilmesine yönelik makine öğrenmesine adapte edilmiş hızlı görsel tarama yöntemi
ONUR COŞKUN
Doktora
İngilizce
2023
İnşaat MühendisliğiHacettepe Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER ALDEMİR