Turkey`s short term hourly electricity demand forecasting using artificial neural network

Abstract

Rekabetin gelişiyle, saatlik elektrik fiyatı üretim maliyeti ve mühendislik işletiminden ziyade, elektrik piyasası işleyişi ile değişim göstermeye başladı. Bunun sonucunda elektrik üreticiler ve ticari firmalar yük tahmini ve fiyat tahmini problemiyle karşı karşıya kalmaktalar. Bu çalışmanın amacı kısa dönem yük tahmininin önemini ve bu önemin son zamandaki artışını ortaya koymaktır. Yeni mevzuat çıkışından sonra, enerji piyasasındaki fiyat rekabetinin saatlik yapılması son derece önem kazandı, enerji fiyat öngörüsü büyük bir işe dönüştü. Bulanık mantık yöntemleriyle elektrik fiyatı tahmin edebilmek için hat yükü veya havuzdaki enerji miktarının öngörüsü, temel gereksinimlerden biri haline gelmiştir. Elektrik fiyatının değişkenliği, durağan olmayan bir yükü beraberinde getirmektedir Öte yandan, tahmin edilmesi gereken düğüm yükü sayısı uzmanlar tarafından sürekli tahmin edilememektedir. Daha fazla ayrıcalıklı öngörü yöntemleri bu rekabetçi senaryoya gerekmektedir. Bu çalışmada iki farklı strateji ile kısa dönem saatlik elektrik yükünü tahmin edebilmek için yapay sinir ağı kullanılmaktadır. Buradaki temel amaç en güçlü tahmin yöntemini bulabilmektir. Bu amaç için geçmişe yönelik saatlik yük ve şehir sıcaklıkları kullanılmaktadır.

The cost-based and the engineering calculation in pricing of electricity take place by the competition based on spot electric market. The price is determined by variety of market mechanisms. This led generators and all electric utilities such as traders face with a new problem in their scope of operation which is short-term load and price prediction. The purpose of this study is to indicate the importance of short-term load forecasting and how it has received a growing interest. After new legislation, competition based on hourly price in energy market has become the most valuable matter and forecasting of electricity load and price has become a big business. The total pool electricity or bus-load orecasting with engineering backgrounds is crucial to feed say statistical methods utilized for estimating the electricity price. The dynamic price in electricity market has led to the variability and non-stationarity of load. On the other hand, the number of nodes in which the load must be predicted is not constant and cannot be estimated by experts. In this competitive scenario forecasting methods should be more privileged. In this study, two different short-term strategies are used to estimate the hourly electricity load by an artificial neural network. The main objective is to find the most powerful method that predicts the hourly load and to develop more accurate load forecasters. The hourly temperature data combined with the time series have been used throughout this study to test the proposed methodology.