Cross-market analysis of deep learning models for electricity price forecasting

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, KONTROL VE OTOMASYON MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: ÇAĞATAY BERKE BOZLAK

Danışman: Claudıa Fernanda Yaşar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Elektrik fiyat tahmini, enerji endüstrisinin güvenilir ve maliyet etkin bir şekilde işlemesinde hayati bir faktördür. Ancak, elektrik fiyatlarının karmaşık ve doğrusal olmayan yapısı, enerji yönetimi için zorluklar oluşturmaktadır. Bu sorunu çözmek ve kısa vadeli elektrik fiyatlarını tahmin etmek için, SARIMAX, LSTM ve CNN-LSTM gibi yapay zeka modelleri geliştirilmiştir. Bu modeller, zaman serisi verilerindeki güçlü analiz yetenekleriyle bilinir ve gizli desenlerin keşfedilmesine olanak tanırlar. Bu modellerin doğruluğu, tahmin yöntemlerini karşılaştırmak için Ortalama Mutlak Hata, Kök Ortalama Kare Hata, Ortalama Mutlak Yüzde Hata ve yüzdelik doğruluk oranı gibi istatiksel veriler kullanılarak test edilmiştir. Bunların yanında, Diebold-Mariano testi, iki modelin tahmin hataları arasındaki farkın istatistiksel olarak anlamlı olup olmadığını doğrulamak için kullanılmıştır. Kolektif öğrenme, CNN modelinden en önemli karakteristiklerinin çıkarılması ve LSTM modelinin zaman serilerinde veri bağımlılığını tanımak adına kullanarak, CNN-LSTM modelini optimize etmek ve en iyi sonuç veren modeli otomatik olarak seçmek için kullanılmıştır. Bu çalışma, Türkiye elektrik piyasasında doğal gazın toplam enerji üretimine %22.91 katkı sağlamasından dolayı, doğal gaz fiyatları ile elektrik fiyatları arasındaki ilişkiyi aydınlatır. Ayrıca, Alman piyasasında elektrik fiyat tahmini için bir dışsal değişken olarak elektrik tüketiminin önemini vurgular. Türkiye'deki elektrik fiyatları ve doğal gaz fiyatları için saatlik kayıtları içeren 2018'den 2023'e kadar olan 5 yıllık tarihsel veriler, EPİAŞ Şeffaflık Platformundan sağlanmıştır. Alman elektrik piyasasının 2019, 2020 ve 2021 için elektrik fiyatlarını ve elektrik tüketimini içeren saatlik tarhihsel veriler ise SMARD uygulamasından sağlanmıştır. Bu veriler, modellerin tahmin performansını doğrulamak ve elektrik fiyatları tahmini üzerindeki beklenmedik pandemi etkisini analiz etmek için kullanılmıştır. Sonuçlar, LSTM ve CNN-LSTM modellerinin doğruluk ve basitlik açısından SARIMAX modelinden daha iyi performans gösterdiğini ve CNN-LSTM tekniğinin önemli tahmin avantajlarına sahip olduğunu göstermiştir. Bu çalışmada kullanılan yöntemler, başarılı sonuçları ve otomatik geliştirme yapılarının da gösterdiği gibi, elektrik fiyatlarının tahmininde akıllı optimizasyon potansiyelini ortaya koymaktadır.