Journals / Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi / 2021 / Cilt: 23 - Sayı: 67

Market Clearing Price Prediction With Artificial Neural Networks

Yapay Sinir Ağları ile Piyasa Takas Fiyatı Tahminlemesi

Pages
93–105
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

MPE was used as the criterion of accuracy and 0.10 was obtained.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Turkey Electricity Market has undergone many changes to the present process in the past.
📊
Key Findings & Data:In the project, 10 features were used as independent parameters.
💡
Conclusion & Impact:MPE was used as the criterion of accuracy and 0.10 was obtained.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Yapay Sinir Ağları · PTF · Regresyon

Abstract

Turkey Electricity Market has undergone many changes to the present process in the past. As a result of these changes, the electricity market has created a method that the hourly energy is followed by the stakeholders in this field in order to keep their own status stable by providing energy sales and purchases for the next day in addition to the free consumer contracts. This system is called Pre Day Market (PDM) and the price determined here is called Market Clearing Price (MCP). In this study, the market clearing price estimation was made with artificial neural networks, one of the sub-branches of artificial intelligence. In the project, 10 features were used as independent parameters. Different models have been created in neural networks and the best result has been investigated. Different intermediate layers are used in different models. MPE was used as the criterion of accuracy and 0.10 was obtained.

Özet

Türkiye Elektrik Piyasası geçmişten günümüze kadar birçok süreç değişikliğine uğramıştır. Bu değişimler sonucunda elektrik piyasası saatlik oluşan enerjiyi bu alandaki paydaşlarına, serbest tüketici sözleşmelerine ilaveten ertesi gün için enerji satış ve alış yapma durumu sağlayarak, paydaşların kendi durumlarını stabil durumda tutmaları adına takip ettiği bir yöntem kurulmuştur. Bu sisteme Gün Öncesi Piyasası (GÖP) denilmektedir ve burada belirlenen fiyata da Piyasa Takas Fiyatı (PTF) denilmektedir. Bu çalışmada yapay zekânın alt dallarından biri olan yapay sinir ağları ile piyasa takas fiyatı tahmini yapılmıştır. Projede bağımsız parametre olarak 10 adet özellik kullanılmıştır. Sinir ağlarında farklı modeller oluşturulmuş ve en iyi sonuç araştırılmıştır. Farklı modellerde farklı ara katmanlar kullanılmıştır. Doğruluk kıstası olarak da MPE kullanılmış ve 0.10 değeri elde edilmiştir.

🔖

Cite This Article

ERTAYLAN, A., AKTAŞ, Ö., DOĞAN, Y. (2021). Market Clearing Price Prediction With Artificial Neural Networks. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, Cilt: 23 - Sayı: 67, 93–105. https://ajindex.com/articles/222196

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Dalgın A. 2017. Türkiye Gün Öncesi Piyasası Elektrik Fiyat Tahmini, İstanbul Teknik Üniversitesi, Enerji Bilim ve Teknoloji Anabilim Dalı, Yüksek Lisans Tezi, İstanbul
  2. Pençe İ., Kalkan A.,Çeşmeli M.2019. Türkiye Sanayi Elektrik Enerjisi Tüketiminin 2017-2023 dönemi için Yapay Sinir Ağları ile Tahmini. DOI: 10.31200/makuubd.538878
  3. Karacan H.,Karacan C. 2016. Çoklu Regresyon Metoduyla Elektrik Tüketim Talebini Etkileyen Faktörlerin İncelenmesi. DOI: 10.15317/Scitech.2016320514
  4. Gümüş V., Şimşek O.,Soyda N., Aköz M., Yenigün K. 2016. Adana istasyonunda buharlaşmanın farklı yapay zekâ yöntemleri ile tahmini. VIII. Ulusal Hidroloji Kongresi – 2015. 310-318
  5. Sinecan M., Kaya B.,Yıldız Ö. 2017. Aydın İlinde İnsan Sağlığını Birincil Dereceden Etkileyen Hava Değişkenlerine Yönelik Yapay Sinir Ağı Tabanlı Erken Uyarı Modeli. DOI: 10.29109/http-gujsc-gazi-edu-tr.304938
  6. Yıldırım D.,Cemek B.,Küçüktopçu E. 2019. Bulanık Yapay Sinir Ağları ve Çok Katmanlı Yapay Sinir Ağları ile Günlük Buharlaşma Tahmini. Toprak Su Dergisi-2019. 24-31
  7. O.Gök, C. Yıldız, M. Şekkeli, Yapay Sinir Ağları Kullanarak Kısa Dönem Güneş Enerjisi Santrali Üretim Tahmini: Kahramanmaraş Örnek Çalışması, 2019
  8. Es A.,Kalender F., Hamzaçebi C. 2014. Yapay Sinir Ağları ile Türkiye Net Enerji Talep Tahmini. Gazi Üniv. Müh. Mim. Fak. Der. Cilt 29, No 3, 495-504, 2014
  9. Kocadayı Y.,Erkaymaz O.,Uzun R. 2017. Yapay Sinir Ağları ile Tr81 Bölgesi Yıllık Elektrik Enerjisi Tüketiminin Tahmini. ISSN: 2587-0742. Bilge International Journal of Science and Technology Research 2017, 1(Special Issue)): 59-64
  10. Toker C.,Korkmaz O. 2012.Türkiye Kısa Süreli Elektrik Talebinin Saatlik Olarak Tahmin Edilmesi
  11. Başoğlu B.,Bulut M. 2016. Kısa dönem elektrik talep tahminleri için yapay sinir ağları ve uzman sistemler tabanlı hibrit sistem geliştirilmesi. Journal of the Faculty of Engineering and Architecture of Gazi University 32:2 (2017) 575-583
  12. Çayır A.,Yenidoğan I.,Dağ H. 2018. Konutların Günlük Elektrik Güç Tüketimi Tahmini İçin Uygun Model Seçimi. Fırat Üniv. Müh. Bil. Dergisi 30(3), 15-21, 2018
  13. Şeker A.,Diri B.,Balık H. 2017. Derin Öğrenme Yöntemleri ve Uygulamaları Hakkında Bir İnceleme. ISSN: 2149-4916. Gazi Mühendislik Bilimleri Dergisi 3 (3). (2017) 47-64
  14. Şenocak F.,Kahveci H. 2016. Gün Öncesi Piyasasında PTF Dönemsel Ağırlıklı Fiyat Ortalama Tahmini
  15. Çayıroğlu İ. İleri Algoritma Analizi. http://www.ibrahimcayiroglu.com/dokumanl