Models for long-term electricity price forecasting for Turkish electricity market

Abstract

Bu çalışmada, Türkiye elektrik piyasasındaki uzun dönem fiyat tahminlerini belirlemek için çoklu regresyon ve zaman serileri modelleri geliştirildi. Regresyon modeli için Aralık 2009- Eylül 2016 tarihleri arasında elektrik piyasası takas fiyatının aylık ortalamalarını (bağımlı değişken), elektrik talebini, hidroelektrik üretimini, rüzgar enerjisi üretimini, Gayri Safi Yurtici Hasila(GDP) ve Insani Gelişim Endeksini(HDI) gösteren bağımsız değişken verileri EPIAŞ(Enerji Piyasaları İşletme Anonim Şirketi) Şeffaflık Platformu ve diğer veri kaynaklarından sağlandı. Regresyon modellerini kullanarak elektrik takas fiyatındaki bu bağımsız değişkenlerin etkileri incelendi. Ek olarak zaman serileri modelini kullanarak, bütün bağımsız değişkenler için uzun vadeli tahminler elde edildi. Çoklu Regresyon modeline ek olarak, üssel hareketli ortalama(Holt Winters), SARIMA (mevsimsel birleştirilmiş otoregresif hareketli ortalama modeli ) ve yapay sinir ağları modelinden de yararlanıldı.Tahmin modellerini kurarken, R istatistik paketleri ve tahmin araçları kullanılırken yapay sinir ağları modelinde ise MATLAB'den yararlanıldı. Ekim 2016'dan 24 ay sonrasına orta vadeli tahminleri yapıldı. Tahminlerdeki hata ölçümlerini hesaplamak için ortalama mutlak yüzde hata, ortalama hata kare ve mutlak hata formülüne göre modellerin sonuçları değerlendirildi. Bu çalışmanın sonucunda ANN yöntemi ile ortalama %8 mutlak yüzde hata gözlemlendi. Bu çalışmayla piyasadaki operatörlerin uzun dönem politika kararlarının yanı sıra üreticilerin yatırım kararları için de faydalı olacaktır.

In this study, we have developed models for long-term electricity price forecasts for Turkish electricity market using multiple regression and time series forecasting methods. For the regression models, we have firstly obtained the monthly data for demand weighted average of market-clearing electricity price (dependent variable), electricity demand, hydro power production, wind power production, and population as well as yearly gross domestic product (GDP) and human development index (HDI) as independent variables for Turkey between December 2009 and September 2016 from the market operator's transparency database and other data sources. Secondly, we have examined the effect of each of these independent variables on market-clearing electricity price and then, by using time-series models, long-term forecasts are obtained for all independent variables. Finally, multiple-linear regression models are used to obtain forecasts for the monthly demand weighted average of electricity prices. In addition to multiple regression models, several time series models such as exponential moving average (Holt-Winters model), seasonal autoregressive integrated moving average (SARIMA) and Artificial Neural Network (ANN) models are also developed. In setting up forecasting models, R statistical packages and forecast tools as well as MATLAB (for ANN) are used. Long-term forecasts are made for the next 24 months starting from October 2016. Model results are evaluated according to mean absolute percentage error (MAPE), mean square error (MSE) and mean error (ME), which are commonly used error measures for evaluating forecasting results. We have found that on average around 8% of MAPE can be achieved through ANN method. This study would be useful for producers' investment decisions as well as market operator's long-term policy decisions.