Short term load forecasting in electricity markets in Turkey

Yükleniyor...
Küçük Resim

Tarih

2017-08-16

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

Işık Üniversitesi

Erişim Hakkı

info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivs 3.0 United States

Araştırma projeleri

Organizasyon Birimleri

Dergi sayısı

Özet

As energy consumption rises, forecasting electricity parameters becomes a significant advantage on efficient power system applications, planning and decision making in deregulated power markets. An accurate short term load and price forecasting model is crucial for efficient decision making, management and utilization to gain economic optimization and avoiding unprofitable operations as well as inefficiencies in generation,transmission and distribution from both consumers and producers perspective in competitive electricity markets like Turkish power industry. In this study, time series analysis including lagged variables that have been presented in autoregressive models in combination of specific categorical variables (hours of day, days of the week, months of the year and special events of Turkey) and environmental indicators as hourly temperature data in terms of heatingcooling degree hours have been applied in short term load and price forecasting, the day ahead hourly forecast of electricity load and market price.With using AR parameters for load and ARIMA parameters for price, 4 different load models in years 2011 and 2012 and a price model for 2015 constructed and with the effect of categorical variables and environmental indicators, new composite models proposed by applying multiple linear regression to forecast future loads and prices with high accuracy. As a result, the comparison of actual and observed data is studied and the power of model is tested with illustrating on various regression tests. Consequently, the results have shown that proposed models gave low percent of errors with extremely accurate day ahead forecasts considering Turkeys electricity load and price profile.
Enerji tüketimi artısıyla beraber serbest piyasa içerisinde elektrik parametreleri tahmini, etkin güç sistemi uygulamalarında, planlamada ve karar mekanizmaları üzerinde önemli bir avantaj sağlamaktadır. Hata oranı düşük bir kısa dönem yük ve fiyat tahmin modeli, yönetimde, etkili karar ve fayda mekanizmalarında ekonomik güç optimizasyonunu sağlamak ve kârsız operasyonlardan kaçınmak, bunun yanında enerji üretimi, aktarımı ve dağıtımı üzerinde Türk enerji piyasası gibi rekabetçi piyasalarda hem üretici hem de tüketici perspektifinden verimli kararlar almak adına büyük önem arz etmektedir. Bu makalede, belirli kategorik değişkenlerle (günün saatleri, haftanın günleri, yılın ayları, Türkiye’nin özel günleri) birlikte ısıtma ve soğutma derecelerine bağlı saatlik sıcaklık verisi gibi çevresel değişkenlerin olduğu otoregresif terimleri içeren zaman serileri analiziyle saatlik kısa dönem yük ve fiyat tahmini yapılmıştır. Yük için AR modeli fiyat içinse geleneksel ARIMA modeli kurulmuş, parametreler yardımıyla kategorik değişkenler ve çevresel faktörlerin kombinasyonu sağlanılarak 2011-2012 yılları için yük tahmini adına 4 farklı ve 2015 yılı için fiyat üzerinde çoklu lineer regresyon yöntemi kullanılarak kompozit modeller oluşturulmuştur. Bu modellerin kesinliğinin arttırılması amaçlanmıştır. Çeşitli regresyon testleriyle birlikte gerçek ve gözlemlenen değerlerle karşılaştırılarak incelenmiş, modelin gücü test edilmiştir. Sonuçlar, önerilen modellerin Türkiye’nin elektrik yük ve fiyat profiline göre hata oranının önemli ölçüde düşük olduğunu göstermektedir.

Açıklama

Text in English ; Abstract: English and Turkish
Includes bibliographical references (leaves 92-94)
xii, 94 leaves

Anahtar Kelimeler

Multiple linear regression analysis, Short term load and price forecasting, Time series analysis, Kısa dönem yük ve fiyat tahmini, Otoregresif model, Regresyon analizi, Zaman serileri analizi

Kaynak

WoS Q Değeri

Scopus Q Değeri

Cilt

Sayı

Künye

Tekler, Z. D. (2017). Short term load forecasting in electricity markets in Turkey. İstanbul: Işık Üniversitesi Fen Bilimleri Enstitüsü.