Renewable energy forecasting and real-time decision-making for reducing prediction error costs in electricity markets using ARIMA, BILSTM and reinforcement learning
ARIMA, BILSTM ve pekiştirmeli öğrenme kullanarak elektrikpiyasalarında tahmin hatası maliyetlerini azaltmaya yönelik yenilenebilir enerji tahmini ve gerçek zamanlı karar verme
- Tez No: 960387
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN GÜNHAN ÖZCAN, DR. ÖĞR. ÜYESİ GÖKHAN DEMİRKIRAN
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enerji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Enerji Sistemleri İşletim ve Teknolojileri Bilim Dalı
- Sayfa Sayısı: 74
Özet
Yenilenebilir enerjinin doğru bir şekilde tahmin edilmesi, enerji üreticileri ve piyasa katılımcıları için karar optimizasyonu, kârlılığın artırılması ve finansal risklerin azaltılması açısından büyük önem taşımaktadır. Bu tez kapsamında, enerji üretiminin tahmini için hem istatistiksel hem de derin öğrenme tabanlı yöntemler—özellikle ARIMA ve BiLSTM-XGBoost ensemblleri—kullanılmıştır. Tahminler beş yenilenebilir enerji kaynağına odaklanmıştır: güneş, rüzgar, jeotermal, biyokütle ve barajlı hidroelektrik. Elde edilen sonuçlar, özellikle güneş ve rüzgar gibi karmaşık kaynaklar için, ensemble modelin ARIMA'ya kıyasla belirgin şekilde daha başarılı olduğunu ortaya koymuştur. Tahminin ötesinde, bu çalışma tahmin hatalarının finansal etkilerini de ele almakta; maliyet senaryoları simüle edilerek hidrojen enerji depolama stratejisi bir çözüm olarak önerilmektedir. Simülasyon sonuçları, optimum büyüklükte hidrojen tanklarının hata kaynaklı maliyetleri %98'e kadar azaltabildiğini göstermektedir. Ayrıca, gerçek zamanlı tahmin düzeltmeleri (Kasıtlı Aşırı/Alt Tahmin) gerçekleştirebilen bir pekiştirmeli öğrenme (Reinforcement Learning - RL) algoritması eğitilmiştir. Uygulama sonucunda, RL ajanı gerçek tahmin verileri üzerinde maliyeti %95'in üzerinde azaltarak güçlü bir genelleme yeteneği sergilemiştir. Bu çalışma, hibrit tahmin modellerinin adaptif düzeltme ve enerji depolama planlamasıyla birlikte kullanıldığında, yenilenebilir enerji sistemlerinde hem tahmin doğruluğunu hem de ekonomik dayanıklılığı önemli ölçüde artırabileceğini ortaya koymaktadır.
Özet (Çeviri)
Accurate forecasting of renewable energy is essential for energy producers and market participants to optimize decisions, increase profitability, and reduce financial risk. This thesis applies both statistical and deep learning methods—specifically ARIMA and BiLSTM-XGBoost ensembles—to forecast energy production from five renewable sources: solar, wind, geothermal, biomass, and dammed hydro. The ensemble model notably outperformed ARIMA, especially for complex sources like wind and solar. Beyond forecasting, this research addresses the financial implications of prediction errors by simulating cost scenarios and proposing hydrogen energy storage as a mitigation strategy. Simulation results show that optimal hydrogen tanks can reduce error-related costs by up to 98%. Additionally, a reinforcement learning (RL) algorithm was trained to perform real-time forecast adjustments (Intentionally Over/Under Forecast). When applied, the RL agent reduced cost on real forecast data by over 95%, demonstrating excellent generalization. This study highlights that combining hybrid forecasting models with adaptive correction and storage planning can significantly improve both accuracy and economic resilience in renewable energy systems.
Benzer Tezler
- Mezo-mı̇kro ölçek model kuplesı̇ wrf-les ı̇le yüksek çözünürlüklü rüzgar alanının belı̇rlenmesı̇
High-resolution wind field determination with wrf-les through meso-micro scale model coupling
ERKAN YILMAZ
Doktora
Türkçe
2025
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
PROF. DR. GÖKHAN KİRKİL
- Türkiye Gün İçi Piyasası'nın Avrupa ile karşılaştırmalı analizi
Comparative analysis of Turkiye's Intraday Market with Europe
ZEYNEP ÖZMEN
Yüksek Lisans
Türkçe
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
- Rüzgar hızı yük tahmin modelleri ve Yalova bölgesinde bir uygulama
Wind speed load forecasting models and an application in Yalova
ZELİHA NUR KİRİŞ
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- Makine öğrenmesi kullanılarak mikroşebekelerde talep tarafı yönetimine termal enerji depolamasının dahil edilmesi
Thermal energy storage integration into demand side management in microgrids by using machine learning
KARIM BIO GASSI
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL