Elektrik piyasasında fiyatlandırma ve Türkiye elektrik piyasasında fiyat tahmini

Abstract

2001 yılında yürürlüğe giren 4628 sayılı Elektrik Piyasası Kanunuyla Türkiye elektrik piyasasında yeni bir dönem başlamıştır. Bu tez çalışmasında serbestleşme sürecinde olan Türkiye elektrik piyasasında farklı fiyat tahmin yöntemleri kullanılarak Türkiye elektrik piyasasında saatlik fiyat tahminleri gerçekleştirilmiştir. Fiyat tahmininde mevsimsel otoregresif hareketli ortalama modeli ile farklı ağ mimarileri ile tasarlanmış çok katmanlı algılayıcılar kullanılmıştır. Çalışmada Türkiye elektrik piyasası için önemli bir değişiklik olan gün öncesi piyasasına geçiş dikkate alınarak 2012 Ocak - 2014 Nisan dönemini kapsayan saatlik piyasa takas fiyatları ve hava sıcaklığı değişkenleri kullanılmıştır. Tahmin modellerinin performansı, ortalama mutlak hata, ortalama mutlak yüzde hata, karekök ortalama hata ve Theil's eşitsizlik katsayısı ölçütlerine göre değerlendirilmiştir. Tahmin sonuçları Sigmoid Aktivasyon Fonksiyonu ve Levenberg Marquardt algoritması ile eğitilen çok katmanlı algılayıcının en yüksek tahmin performansı sağladığını göstermiştir. Ampirik bulgular, literatürle uyumlu olarak yapay sinir ağı modellerinin otoregresif hareketli ortalama modellerine göre daha yüksek performansa sahip olduğunu göstermektedir.

In Turkish Electricity Market a new period has begun with the Electricity Law numbered 4628 which came into force in year 2001. In this thesis hourly price forecasting is performed by using different price forecasting techniques for the Turkish Electricity Market which is in the liberalization process. For price forecasting, seasonal autoregresive moving avarage and designed with different network architectures multilayer perceptrons are used. In this study, transition to the system day a head market which is important evoluation for Turkish Electricity Market is taken into account and system day a head price is forecasted by using open air temperature and system day a head price variables for January 2012-April 2014 period. The performance of forecasting models is evaluated with mean absolute error, mean absolute percentage error, and Theil's inefficiency coefficient criterias. Forecasting results presented that multilayer perceptron which trained with sigmoid transfer function and Levenberg Marquardt algorithm gave the highest forecasting performance. Emprical evidences consistent with the literature showed that artificial neural network models performances are higher than autoregressive moving avarage models.