Türkiye elektrik piyasasında fiyat oluşumunun analizi, fiyat tahmin modelleri: Türkiye uygulaması

Abstract

Elektrik üretiminde verimlilik artışını sağlamak ve elektrik fiyatlarını düşürmek amacıyla pek çok ülkede olduğu gibi Türkiye'de de serbest elektrik piyasasına geçilmiştir. Bu serbestleşmenin doğal bir sonucu olarak, günümüzdeki gelişmiş elektrik piyasalarında olduğu gibi, tamamen arz-talep dengesine göre gün içerisindeki farklı zamanlarda farklı seviyelerde belirlenen fiyatlar söz konusu olmuştur. Fiyatlarda ortaya çıkan bu oynaklık, bir taraftan piyasada faaliyet gösteren aktörler önde olmak üzere diğer ilişkili kişi, kurum ve kuruluşları ileri vadede güvenilir fiyat tahminlerine sahip olmaya, diğer taraftan ise ilgilileri ve araştırmacıları bu yönde çalışmaya yöneltmiştir. Bu çalışmada, gün öncesi piyasasına sunulan tekliflerin arz ve talebe göre eşleşmesiyle oluşan saatlik elektrik enerjisi fiyatı olarak tanımlanan Piyasa Takas Fiyatları (PTF) günlük olarak tahmin edilmiştir. Çalışma süresince 2016 ve 2017 yıllarına ait değişkenler kullanılmış, tahmin yöntemi olarak yapay sinir ağları seçilmiştir. Tahmin edilen fiyatlar ve gerçekleşen fiyatların karşılaştırılmasında, ortalama mutlak yüzde hata başarı (MAPE) ölçütü kullanılmıştır. Önceki çalışmalar incelendiğinde yapay sinir ağları ile yapılan birçok elektrik fiyat tahmin çalışmasında girdi parametresi olarak geçmiş dönem fiyatlarının seçildiği görülmüştür. Bu çalışmada Piyasa Takas Fiyatının geçmiş dönem fiyatlarının yanı sıra farklı dinamiklere de bağlı olduğu düşüncesinden yola çıkılarak, girdi parametrelerinin zenginleştirilmesi ile PTF tahmininde öngörü doğruluğunun arttırılması hedeflenmiştir. Bu bağlamda çalışmanın elektrik fiyat tahmini üzerinde çalışan araştırmacılara faydalı olacağı düşünülmektedir

Turkey has also liberalize the electricity market as in many countries in order to increase productivity and reduce electricity prices in electricity production. As a natural consequence of this liberalization process, as in today's developed electricity markets, there are prices which are determined at different levels throughout the day according to the supply-demand balance. This volatility in prices has led other related individuals, institutions and organizations, including actors in the market, to make reliable price estimation in the long term and to work with those concerned and researchers. In this master thesis, market clearing prices are estimated daily. In this study, variable set for 2016 and 2017 were used neural networks have been used as a prediction method. Estimated prices and reel prices were compared and deviations were reached. Mean Absolute Percentage Error (MAPE) success criteria were used to compare estimated prices and actual prices. When the previous studies are examined, it is seen that the prices of the previous period have been selected as input parameters in many electricity price estimation studies made with artificial neural networks. In this study, it is aimed to increase the predictive accuracy in Market Clearing Price (MCP) estimation by enriching the input parameters, considering that the MCP is dependent on different dynamics as well as the past period prices. This study will benefit researchers working on electricity price estimation.