Akademik Veri Yönetim Sistemi
AJDER A. (Yürütücü)
Yükseköğretim Kurumları Destekli Proje, 2021 - 2022
Tüm dünyada 2020 yılının ilk aylarından itibaren COVID-19 etkili olmaktadır. Sağlıkla ilgili kısımları bir kenara bırakıldığında pandeminin her bir sektöre etkisi farklı olmuştur; bu etkiler konularının uzmanları tarafından değerlendirilmek zorundadır. Enerji sektörü açısından bakıldığında COVID-19 döneminde karar vericilerin almış oldukları kapanma kararları, ülkelerin elektrik talebi profilleri üzerinde ciddi değişikliklere neden olmuştur. Bu değişiklikler, hem elektrik şebekesi operatörlerini hem de sistem katılımcılarını yakından ilgilendirmektedir. Bilindiği gibi gün içi ve dengeleme güç piyasası işlemlerindeki belirsizliğin yönetilmesi için gün öncesi piyasasındaki tahminler kritik öneme sahiptir. Bu tahminlerin doğru yapılamaması, sistem operatörlerini ve katılımcılarını teknik ve finansal risklere maruz bırakarak, salgının ekonomik etkilerinin enerji sektörü açısından daha da ağır bir şekilde hissedilmesine neden olacaktır.
Bu projede, COVID-19’un elektrik talebi üzerindeki etkisini analiz etmek için doğrusal
olmayan ilişkileri anlamada etkili bir çözüm olduğu kanıtlanan Yapay Sinir Ağı (YSA)
modelleri kullanılmıştır. Derin öğrenme algoritmaları arasında özellikle zaman serilerinin
analizinde tercih edilen Tekrarlayan Sinir Ağları (RNN) tabanlı Uzun Kısa Süreli Bellek
(LSTM) ve Kapılı Tekrarlayan Birim (GRU) mimarilerinin performansları karşılaştırılmıştır.
Tüm modellerin en iyi mimarilerinin karşılaştırılmasında LSTM, doğrulama veri seti için
%2.07 daha iyi sonuç verirken, LSTM’den daha az karmaşık yapıya sahip GRU modelinin
hesaplama verimliliği daha iyidir.