Elektrik piyasalarının izlenmesinde üretim tesislerinin arıza bildirim gerçekliğinin tespit edilmesi

Abstract

Elektrik piyasalarının serbestleşmesi ile şeffaflık ve piyasa izlem kavramları önemli hale gelmiştir. Adil ve eşit şartlar altında rekabet edilebilmesine imkân sağlayan bir piyasa yapısının oluşturulabilmesi için piyasalarda şeffaflığın sağlanması ve piyasa bozucu davranışların önlenmesi için etkin piyasa gözetim ve izleme mekanizmalarının hayata geçirilmesi önem taşımaktadır. Günümüzde çeşitli veri analitiği yöntemleri pek çok alanda kullanılmakta, enerji piyasalarının gelişmesi ve karmaşıklaşması ile veri analitiğinin piyasaların izlenmesinde kullanılması gerekli hale gelmektedir.Türkiye elektrik piyasalarının gelişiminde önemli mesafeler kat edilmiş, 2011 yılında Gün Öncesi Piyasası, 2015 yılında ise Gün İçi Piyasası devreye alınmış, yine 2015 yılında piyasa işletmecisi olarak Enerji Piyasaları İşletme AŞ (EPİAŞ) kurulmuştur. Ancak piyasalardaki yapısal gelişmelere karşın, piyasaların izlenmesi konusunda yeterli noktaya gelinememiştir. Elektrik piyasalarında öne çıkan önemli sorunlardan bir tanesi de santrallerin bakım ve arıza bildirimlerinin izlenmesi konusudur. Enerji tesislerinin planlı veya plansız emre amade olmama bilgisi dâhili bilgi niteliği taşımakta, dâhili bilginin ise tüm katılımcılara duyurulması gerekmektedir. Santrallerin bakım ve arıza bildirimleri, gelişmiş piyasalarda olduğu gibi, EPİAŞ tarafından işletilen Şeffaflık Platformu aracılığıyla kamuoyuna duyurulmaktadır. Ancak tesislerin doğru bir şekilde bildirim yapmadıkları veya farklı amaçlarla gerçek dışı bildirimlerde bulundukları konusu sürekli dile getirilen bir husus olmuştur. Santral işletmeciliği ayrı bir uzmanlık konusu olup bildirimlerin yerinde incelenmesi gibi bir durum söz konusu olamayacağından, bakım ve arıza bildirimlerinin izlenmesinde veri analitiği yöntemlerinin önemi ortaya çıkmaktadır.Bu tez çalışmasında EPİAŞ Şeffaflık Platformu ve Raporlama Platformundan elde edilen bakım ve arıza bildirimleri incelenmiş, tesislerin davranışlarının anlaşılması için kümeleme analizi yapılmıştır. Kümeleme analizi için yıllar itibariyle tesislerin bildirim davranışlarını temsil eden veri kümesi oluşturulmuş, oluşturulan veri kümesi k-ortalama kümeleme analizi yöntemiyle analiz edilerek her yıl için arıza bildirimlerinde yanlış veya yanıltıcı davranış sergileme riski bulunan tesisler gruplandırılmıştır. Yapılan inceleme ve analizler sonucunda, arıza bildirimlerinin 2018 yılından itibaren 2 kattan fazla artış gösterdiği, 2018 öncesinde riskli olarak değerlendirilen tesislerin çoğunluğu termik üretim santralleri iken, 2018 yılından sonra üretimini kontrol edemeyen yenilenebilir tesislerin gerçek dışı bildirimde bulunma riskinin arttığı görülmüştür. Bu kırılmanın sebebinin ise 2018 yılında yürürlüğe giren üretim programından sapma tutarı uygulaması olduğu değerlendirilmiştir.Bakım ve arıza bildirim verileri ile analiz sonuçları değerlendirildiğinde, etkin bir piyasa izlemenin önemi bir kez daha ortaya çıkmaktadır. Etkin bir gözetim ve izleme mekanizması ile çözülmesi gereken sorunların düzenlemeler yoluyla çözülemeyeceği, bu çalışmanın sonuçlarında da görülmektedir. Etkin bir piyasa gözetimi ve izleme mekanizmasının oluşturulabilmesi için veri analitiği araçlarından yararlanılması gerekmektedir.

As the volume and complexity of electricity markets increase by liberalization process, the terms transparency and market monitoring gain more importance. Transparency is essential for providing fair and equal competition in market environment. It is required to implement effective market surveillance and monitoring mechanisms for preventing abusive behaviors of market participants. By the development of information and communication technologies, data analytic tools are widely exploited in various domains. Surveillance and monitoring of energy markets is one of the major domain which should benefit from data analytic methods.Turkish wholesale electricity markets had a significant development over last two decades. Electricity demand almost doubled and installed power tripled. In 2006 Balancing Power Market, in 2009 Day-Ahead Planning, in 2011 Day-Ahead Market and in 2015 Intra-Day market has been implemented. Independent market operator (EPİAŞ) has been established and took over market operations and financial settlements in September 2015. Auction mechanism for procurement of primary and secondary frequency control reserves has been started in 2018 while they were defined as compulsory services before. A new organized wholesale market, electricity future market with physical settlement which will be operated and settled by EPİAŞ is planning to be launched by the end of 2020. Besides the structural developments of the market, current situation of market surveillance and monitoring is not sufficient.In Turkish electricity market, power plants have to submit their generation schedules (KGÜP) and balancing units submit bids and offers for Balancing Power Market to System Operator (TEİAŞ). Each unit (UEVÇB) have obligation to follow their schedule and instructions of the System Operator. Moreover market participants have to balance their portfolio for each settlement period which is currently 1 hour. If any participant does not fulfill these requirements, are charged to additional cost, and further can be audited so that may suffer from monetary and administrative sanctions. In 2018, a new regulation implemented to charge deviations of real time generation from generation schedules.One of the core topics which has been discussed for a long time in Turkish electricity market is monitoring unavailability notifications of power plants. Regulation on Wholesale Energy Market Integrity and Transparency (REMIT) defines the inside information and indicates that inside information should be disclosed publicly in European markets. As the unavailability of an energy utilities is has the characteristics of inside information, it needs to be disclosed on a public notification platform. Planned and unplanned unavailability notifications of power plants are published in Market Message System of EPİAŞ Transparency Platform. Not disclosing the unavailability of energy utilities or misleading notifications are defined as abusive behaviors. However, ongoing allegations that power plants do not notify unavailability in proper way or make notifications pursuing unfair purposes have been discussing for years. Operation of power plant is an important specialization. Each power utility has different fuel, technology, size and some unique characteristics. It means that, inspecting a notification which is proper or fake on site does not seem to be possible. Hence, data analytic tools are promising to surveil power plant unavailability notifications, which is called maintenance and failure notifications in Turkish electricity markets.At this study, main purpose is to detect behavioral pattern of market participants' unavailability notifications in Turkish electricity markets. In the literature, methods aim to detect unfair behaviors are called as fraud or anomaly detection. Fraud or anomaly detection tools are widely used to detect fraudulent or anomalous behaviors in credit card transactions, insurance claims, banking, accounting finance, communication and various domains. In the domain of energy, fraud detection methods are also widely used to detect non-technical loses by the help of smart meters. There is lack of literature on energy market monitoring, specifically on unavailability notifications of energy utilities. Reviewed studies use various methods include both supervised and unsupervised learning algorithms. As there is not power plant unavailability data labelled in advance, the best solution for this study is to use unsupervised learning algorithms.To prepare data set, unavailability notifications, schedules and real time generations of power plants are used. Power plant maintenance notifications, notifications in 2012 and data with scarce information is filtered and removed. For each year, data sets consists of generation units (UEVÇB) with the attributes of yearly number of notification, average event duration and frequency 4 situations which represents the comparison of schedule and real generation. The data set is analyzed by using k-means clustering methodology. K-means clustering method is an partitioning based clustering methodology to detect the data with similar characteristics. Number of clusters `k` needs to be determined in advance. Significance and interpretability of results are crucial besides the performance of clustering. Thus 4 cluster are created for each year are named after their tendency to have risk of improper notification behavior compared to other clusters as riskless, low risky, risky and most risky. When the clustering results are examined and cross-checked with raw notification data, appear significant and interpretable.Analyze results and notification data indicate a structural break in 2018. This structural break is the regulation of charging for generation schedule deviances. After 2018 unavailability notifications of renewable power plants boomed. While risky and most risky groups consists mostly thermal power plants during 2013 and 2017, renewable power plants become prominent after 2018. This could be because of two reasons: First, participants started to notify the unavailability events of their power plants while they did not before 2018; or the second, they use the notification platform to update their schedules by notifying unavailability which is not real. Results reveal the significance of market monitoring. It is not possible to solve all the problems of electricity markets which can be prevented by effective market surveillance and monitoring, by implementing new regulations. These kind of solutions have over regulations risk which restricts well-minded participants. Unfair participants may adapt new regulations and find new abusive methods. This is clearly witnessed at unavailability notifications data.In this study, publicly accessible data has been used to detect behavioral pattern of unavailability notifications. Parties which is responsible for monitoring the market may conduct further investigation by using commercial and confidential data and benefiting from data analytic tools. Data analytics present a great opportunity for market surveillance and monitoring.