Spot elektrik piyasalarında IOT destekli talep tahminlerine göre fiyatlama

Abstract

Enerji piyasalarında piyasa takas fiyatının oluşumu arz ve talep tahminlerine göre gerçekleşmekte, yüksek doğrulukta gerçekleştirilemeyen talep tahminleri fiyatların düzensiz oluşumunu tetiklemektedir. Bu çalışma ile spot enerji piyasalarında elektrik fiyatları, nesnelerin interneti (IOT) ve yeni teknolojik yaklaşımlarla birlikte incelenerek spot enerji piyasalarında gün öncesi ve gün içi fiyatlamalardaki tahminleme hatalarının kaynağı olan, arz ve talep tahminleme hata oranlarının düşürülmesine katkıda bulunmak amaçlanmaktadır. Bu amaçla enerji piyasası nesnelerin interneti (IOT) ve akıllı şebeke yaklaşımı perspektifinde incelenmekte, çalışmanın uygulama bölümünde ise bu yaklaşımlarla tahminleme çalışmalarının daha etkin yapılmasının mümkün olup olmadığına yönelik bir uygulama gerçekleştirilmektedir. Uygulamada 2016 ve 2017 yıllarına ait daha az gözlem sayısını içeren günlük değerlerin bulunduğu düşük frekanslı veri kümeleri ve daha çok gözlem sayısını içeren saatlik değerlerin bulunduğu yüksek frekanslı veri kümeleri ile yapay sinir ağları uygulaması gerçekleştirilerek performansları karşılaştırılmaktadır. Elde edilen sonuçlar yüksek frekanslı verilerle daha doğru tahminleme gerçekleştirilebileceği, tahminleme hatalarının minimize edilebileceğine işaret etmektedir.Anahtar kelimeler: Spot enerji piyasaları, nesnelerin interneti (IOT), fiyatlama, fiyat tahmini

In the energy markets, the formation of the market exchange price is realized according to the supply and demand forecasts; demand forecasts that cannot be realized with high accuracy trigger irregular formation of prices. In this study, electricity prices in spot energy markets, Internet of Things (IoT) and new technological approaches are examined. It is aimed to contribute to the reduction of supply and demand estimation error rates which are the source of forecasting errors in day ahead and in-day pricing in spot energy markets. For this purpose, the energy market is examined in the perspective of the Internet of Things (IoT) and the smart grid systems approach. Moreover, in the application section of the study, an application is made to determine whether it is possible to make the estimation studies more effectively with these approaches. In this study, by performing artificial neural networks, the performance of low-frequency data sets which contain daily observations with less observations and high-frequency data sets which contain hourly values with more observations for 2016 and 2017, are compared. The results indicate that more accurate estimation can be performed and estimation errors can be minimized by higher frequency data.Keywords: Spot energy markets, internet of things (IOT), pricing, price forecast