Gün Öncesi Piyasasında PTF Dönemsel Ağırlıklı Fiyat Ortalama Tahmini Periodic Price Avarages Forecasting of MCP in Day-Ahead Market

Transkript

1 Gü Öces Pyasasıda PTF Döemsel Ağırlıklı Fyat Ortalama Tahm Perodc Prce Avarages Forecastg of MCP Day-Ahead Market Fath Şeocak, Haka Kahvec Elektrk-Elektrk Mühedslğ Karadez Tekk Üverstes Özet Elektrk pyasasıda eerj tcaret kl alaşmalar, gü öes pyasası ve gü ç pyasasıda yapılmaktadır. Gü öces pyasasıda oluşa elektrk referas fyatı öcede tahm edlerek pyasa katılımcıları ç ler döük yapıla kl alaşmaları fyatlarıı belrlemesde, eerj yatırımlarıı yapılmasıda ve eerj tcaret rskler belrlemesde referas teşkl etmektedr. Bu çalışmada tahmleme yötemlerde Adaptf Ağ Tabalı Bulaık Çıkarım Sstem (Adaptve Network Based Fuzzy Iferece Systems-ANFIS) ve Yapay Sr Ağları (Artfcal Neural Networks-ANN) le brcl eerj kayaklarıı üretm mktarları kullaılarak Pyasa Takas Fyatı (PTF) tahmler yapılmış ve hag yötem daha başarılı olduğu ve brcl eerj kayakları üretm mkatrı le lşks gösterlmştr. ANFIS ç Matlab platformu, ANN ç C# yazılım dlde oluşturula arayüz programı kullaılmıştır. Abstract The electrc referece prce formed o the day ahead market s atcpated ad becomes a referece for the market partcpats to determe the referece prce formed the forward-lookg blateral cotracts prces, determato of eergy trade rsks ad makg eergy vestmets. I ths study, Market Clearg Prce (MCP) estmato has bee made wth the estmato methods Adaptve Network Based Fuzzy Iferece Systems-ANFIS ad Artfcal Neural Networks-ANN ad as a result the most successful method has bee show. Matlab platform s used for our model practce ANFIS ad a terface created C# programmg laguage s used for ANN.. Grş Gü öces pyasası (GÖP); Br gü sorası teslm edlecek uzlaştırma döem bazıda elektrk eerjs alış-satış şlemler ç kurula ve Epaş tarafıda şletle orgaze topta elektrk pyasasısıdır[]. Elektrk pyasasıda uzu döem elektrk alış-satışı kl alaşmalarla yapılmaktadır. Bu alaşmaları tamamlayıcı telkte ola GÖP pyasa katılımcılarıa br gü sorası ç oluşablecek eerj degeszlkler gdermek ç ortam sağlamaktadır ve GÖP te oluşa fyatlar gerçek zamaa yakılığı edeyle elektrk referas fyatı (Pyasa Takas Fyatı-PTF) olarak kabul edlmektedr. Elektrk pyasasıda pyasasıı büyük hacm kl alaşmalar oluştursada, güöces pyasası her geçe gü braz daha büyükmektedr. Gü öces pyasası 00 yılıda %6, 0 yılıda %8, 0 yılıda %, 03 yılıda %5, 04 yılıda %3, 05 yılıda %38 cvarıda paya sahptr ve payıı devamlı olarak büyütmektedr[]. Eerj tcaret yapa pyasa katılımcıları ç brgü sorası ç oluşacak kısa ve uzu vadede döemsel fyatları tahm ler döük yapıla kl alaşma fyatlarıı ve elektrk eerjs tcaret rskler belrlemesde referas teşkl etmektedr. Szkuta [] 999 yılıda 3 katmalı oluşturula yapay sr ağlarıyla geçmş fyatları kullaılarak Vktorya Eyalet elektrk pyasası ç Sstem Marjal Fyatı (SMP) hesaplamıştır. Carer F. vd. [3] 00 geetk algortma kullaarak İtalya eerj pyasasıı celemştr. Hog Y.Y. vd. [4] hbrt yapay sr ağları kullaarak gü öces pyasasıda sstem marjal fyat tahm yapılmıştır. Zhag H. vd. [5] 0 gü öces pyasasıda rüzgar eerj üretcler ç optmal teklf verme stratejler celemştr. Josso T. vd. [6] 0 yılıda zama sers modeller kullaılarak batı damarka ç sstem yükü ve rüzgar eerjs üretm verlerde gü öces fyat tahmler yapılmıştır. Voro S. vd. 03 [7] Fladya Nord Pool Spot gü öces gerçek verler kullaarak teratv yötemlerle ormal fyat ve pk fyat tahm dğer yötemlerle karşılaştırılmıştır. Claudo Motero vd. [8] 05 yılıda hava tahm, öcek fyatlar, bölgesel üretm mktarı ve güç demad verler kullaarak İspaya Elektrk Pyasasıda gü öces fyatlar aalz edlmştr. Bu çalışmada sırasıyla yapay sr ağları ve ANFIS teorlere daha sora yapay sr ağları ve ANFIS le elektrk eerjs üretm brcl eerj kayaklarıı üretm mktarları kullaılarak PTF tahm ç modellemeye değlmektedr. Nümerk grş değerler üzerde kurula ağları performasları kıyaslamakta, hag topolojde e tür ver daha y souçlar ortaya çıkardığı rdelemektedr... Yapay Sr Ağları. Yapay Sr Ağlar Yapay sr ağları (ANN), sa beyde esleerek gelştrlmş, ağırlıklı bağlatılar aracılığıyla brbre bağlaa ve her br ked belleğe sahp şlem elemalarıda oluşa parallel ve dağıtılmış blg şleme 664

2 yapılarıdır. Yapay sr ağları, br başka değşle byolojk sr ağlarıı taklt ede blgsayar programlarıdır[9-0]... Yapay Sr Hücres Modellemes Yapay sr ağları, brbre bağlı çok sayıda şlem elemalarıda oluşa paralel çalışa yapılar olarak fade edlmektedr. Yapay sr ağlarıdak şlem elemaları bast srlerdr. Yapay sr ağı brbre bağlı çok sayıda düğümlerde oluşmaktadır. Matematksel alamda kullaıla yapay br sr model se Şekl. de gösterlmektedr; Şekl.: Matematksel yapay sr model bu ağırlıkla çarpılmış grdler toplaarak etklk şleve göderldğ yerdr. Baze toplama şlev algortmaya bağlı olarak, e az (m) veya e çok (max) olablr. Bularda e yaygı olaı toplama şlevdr ve grdler ked ağırlıklarıyla çarpılarak toplaır ve sr ağıa gre et grd buluur. Toplama şlev gösterm alttak gb formulze edleblr. NET (.) w x Burada x grdler, w ağırlıkları, se br hücreye gele toplam grş sayısıı göstermektedr. Yapay sr ağları tasarımı sürec çersde her br proses elemaı ayı toplama şleve sahp olableceğ gb farklı farklı toplama şleve de sahp olablmektedr. Bu durum tamame tasarımcıı ked ögörüsüe ve ağı performasıa bağlı olarak değşmektedr. Aktvasyo Foksyou ya da Etklk İşlev: Toplama foksyouda çıka Net toplam hücre çıktısıı oluşturmak üzere aktvasyo foksyoua letr. Aktvasyo foksyou seçlrke dkkat edlmes gereke okta foksyou türev kolay hesaplaablr olmasıdır. Ger beslemel ağlarda aktvasyo foksyou türev de kullaıldığıda hesaplamaı yavaşlamaması ç türev kolay hesaplaır foksyo seçlr []. Eğrsel etklk şlev Yapay sr ağlarıı temel brm şlem elemaı ya da düğüm olarak adladırıla yapay br srdr ve arasıdak bezerlk Çzelge. de verlmştr. f e x (.) Çzelge. Byolojk sr ağı le yapay sr ağıı karşılaştırılması Byolojk Sr Ağı Sr Saps Dedrt Hücre Gövdes Akso Yapay Sr Ağı Düğüm Bağlatı Ağırlıkları Toplama İşlev Etklk İşlev Sr Çıkışı Temel br yapay sr hücres byolojk br sr hücrese göre çok daha bast br yapıya sahptr. Yapay sr hücres aa öğeler Çzelge. de verlmştr. Grdler: Yapay sr hücrese gele grdler x, x,..., x ağı öğremes stee örekler tarafıda belrler. Grş verler, dış düyada grle blgler veya kedde öcek hücrelerde veya ked kedsde de gele blgler olablr., w grşler sr üzerdek etks ve öem gösterr. Her br grş br ağırlık üzerde sre bağlaır. Ağırlığı büyük olması bağlatıı güçlü olduğuu, küçük olması durumuda se zayıf olduğuu gösterr. Ağırlıklar poztf, egatf, sıfır değerler olablr. Ağırlıklar: Ağırlıklar w w,..., Toplama İşlev: Grşlerde gele her br ver sahp olduğu ağırlıklarla çarpılarak sre ulaşmaktadır. Sre gele bütü 3.. ANFIS 3. ANFIS Adaptf Ağ Tabalı Bulaık Çıkarım Sstem (Adaptve- Network Based Fuzzy Iferece Systems ANFIS), srsel öğreme kablyete sahp ağ, yapay sr ağlarıı parallel öğreme yeteeğe ve bulaık matığı çıkartım özellğ kullamaktadır. Bu melez yapısı lk olarak Jag tarafıda 993 ylıda gelştrlmştr. ANFIS sadece ger yayılım ya da e küçük kareler ortalamasıyla brlkte hbrt öğreme algortması kullamaktadır[9]. 3.. ANFIS Mmars İk grşl ve k kurallı Sugeo tp bulaık çıkarım yöteme at ANFIS mmars aşağıda gözükmektedr. Bu mmar katma katma Şekl 3. de gösterlmştr. Şekl 3.: İk grşl ve k kurallı ANFIS mmars 665

3 .Katma : Bu katma bulaıklaştırma şlem yapılmaktadır. Bu katmadak düğümler çıkışı, grş syaller kullaıla üyelk şlevlere bağlı üyelk derecelere çevrmektedr. x : Gerçek Çıkış y : İstele Çıkış Burada değşkeler, A ve B üyelk şlev, x ve y grş c, a ça eğrs üyelk şlev orta oktası ve stadart sapması, düğüm sayısı, kümelerdr. A ve B bulaık MAPE x y x 00% (3.6) ( x) x c a (3.) A 5. ANN ve ANFİS Model Uygulamaları Pyasa Takas Fyatı (PTF) gü öces pyasasıda oluşa referas elektrk eerjs alış-satış fyatıdır. Şekl 5. de aylık değşm gösterle PTF arz talep deges br soucudur. Arz talep se elektrk üretm ve tüketm mktarlarıdır. ( y) y c a (3.) B.Katma : Herbr düğüm e küçük (m) ya da çarpım (prod) operatörler kullaarak her kuralı ateşleme sevyes hesaplar. Bu katma çıkışı grş syaller çarpımıı verr. ( x) ( y),, (3.3) A B 3.Katma : Br kuralı ormaleştrlmş ateşleme sevyes hesaplaır. Bütü kuralları ateşleme sevyese göre br kural ateşleme sevye oralarıı hesaplar.,, (3.4) 4.Katma : Berraklaştırma katmaıdır. Her br düğüm ağırlıklaştırılmış değerler çıkışa aktarır. Burada p, q, r souç değşkelerdr. f ( p x q y r ) (3.5) 5.Katma : Br öcek katmada gele bütü syaller toplayarak çıkışa verr. 4. Performas Krter Model performaslarıı ölçümü, gerçek sstem belrl br grş ç ürettğ çıkış le ayı grş modele uygulaması le elde edle çıkış arasıdak farka göre yapılmaktadır. Modeller performas ölçümü ç ortalama mutlak yüzde hata (Mea Absolute Percetage Error, MAPE) kullaılmıştır. Şekl 5.: Geçmş döemlere at PTF ağırlıklı ortalama aylık değşm grafğ Türkye elektrk eerjs üretm brcl eerj kayakları olarak doğalgaz, kömür, lyt, sıvı yakıtlar (fuel-ol, motor), atık ısı, hdrolk, jeotermal, rüzgar ve güeş sayablrz.[] Bu eerj kayaklarıı termk, hdrolk, rüzgar, jeotermal, güeş olarak sııfladırablrz. Grş ver set olarak yıllarıa at doğalgaz, hdrolk ve doğalgaz-sıvı yakıtlarlyt eerj kayaklarıı üretm mktarları kullaılmıştır. 5.. ANN Model Uygulaması Bu çalışmada grş, gzl ve çıkış katmalı yapay sr ağı oluşturuldu. Gzl katma 4 ve çıkış katmaı srde oluşmaktadır. Oluşturula yapay sr ağıda öğreme katsayısı k = 0, mometum m= 0, seçlmştr. Aktarım şlev olarak da eğrsel şlev kullaılmıştır. Ağımız se kez grş ver set le eğtlmştr. Yapay sr ağımız eğtldkte sora uzu döem 05 yılı Ocak-Aralık aylarıa at döemsel ortalama PTF tahm edlmştr. Elde edle değerler MAPE (Mea Absolute Percetage Error-MAPE) oraları karşılaştırılmıştır. 666

4 Çzelge 5..: ANN e at MAPE hata oraları Çzelge 5.. ANFIS e at MAPE oraları Grş MAPE Grş MAPE 0,0876 Hdrolk 0,679 -Sıvı-Lyt 0,088 0,0698 Hdrolk 0,00 -Sıvı-Lyt 0, yılları arası verler kullaarak modellee yapay sr ağımız üzerde 05 Ocak-Aralık aylar arası uzu döem PTF ağırlıklı ortalama (Pyasa Takas Fyatı) tahmler grşe uygulaa eerj kayakları türüe göre ayrı ayrı hesaplamıştır. Çzelge 5..: ANN ç 05 yılı PTF ağırlıklı ortalama tahmler Pyasa Takas Fyatı Ağırlıklı Ortalamaları (PTF) TL Döem 05 PTF Hdrol k -Sıvı- Lyt 05-Ocak 79,05 56,374 57,583 57, Şubat 45,0 44,389 6,336 44,55 05-Mart 8,9 44,004 55,037 45,53 05-Nsa 03,95 7,678 49,69 5,94 05-Mayıs 0,87 7,734 5,9 9, Hazra 6,07 3,56 5,846 33,50 05-Temmuz 39,08 47,35 5,0 48, Ağustos 60,933 66,833 53,474 66, Eylül 67,483 58,73 56,633 57, Ekm 4,0 53,3 58,49 5,55 05-Kasım 36,369 49,45 58,48 50, Aralık 69,349 63,603 59,406 68,308 Bu eğtm aşamasıda sora 05 Ocak-Aralık aylarıı kapsaya PTF ağırlıklı ortalama tahmler grşe uygulaa eerj kayakları türüe göre ayrı ayrı hesaplamıştır. Çzelge 5..: ANFIS ç 05 yılı PTF ağırlıklı ortalama tahmler Pyasa Takas Fyatı Ağırlıklı Ortalamaları (PTF) TL Döem 05 PTF Hdrol k -Sıvı- Lyt 05-Ocak 79,05 49,76 49,39 47,5 05-Şubat 45,0 36,654 5,79 38, Mart 8,9 36,39 43,59 39,8 05-Nsa 03,95 9,63 4,5 07, Mayıs 0,87 9,664 8,938 5, Hazra 6,07,07 9,0,46 05-Temmuz 39,08 40,435 4,383 4, Ağustos 60,933 6,07 34,35 58, Eylül 67,483 5,03 47,953 47, Ekm 4,0 46,643 49,886 44,3 05-Kasım 36,369 4,936 50,088 43,30 05-Aralık 69,349 55,94 50,85 63, ANFIS Model Uygulaması Bu model uygulamamızda grşl çıkışlı Sugeo tp bulaık çıkarım melez öğreme algortması kullaılmıştır. Modelmze at ağı eğtlmes ç yıllarıa at ver set kullaılmıştır. Uzu döemde eğtm yapıla ağ üzerde 05 yılı PTF ağırlıklı ortalamaları tahm edlmştr. E küçük kareler yötem ve ger yayılmalı e dk ş yötem brleşm ola hbrt ağ le öğreme gerçekleştrlmştr. ANFIS model yapısıda, FIS eğtm hbrt, grş MF tp gaussmf, çıkış MF tp costat seçlerek ağ üzede grş ver eğtme sokulmuştur. Eğtm tamamlaa ağ üzerde 05 yılı Ocak-Aralık aylarıa at döemsel PTF ağırlıklı ortalamaları elde edlmştr. 6. Değerledrme Bu çalışmada, 0-04 yılları arası brcl eerj kayaklarıda doğalgaz, hdrolk ve doğalgaz-sıvı yakıtlarlyt brleşm üretm mktarları kullaılarak ANFIS ve ANN modeller oluşturulmuştur. Elde edle model yardımı le 05 yılıa at PTF tahm elde edlmştr. 05 yılı ç her k modele at tahm edle pyasa takas fyatı aylık döemler halde Şekl 6. de verlmştr. Eerj kayakları olarak doğalgaz ve doğalgaz-sıvı yakıtlarlyt brleşm çere eerj kayaklarıı üretm mktarı ver olarak uyguladığıda MAPE hata oralarıı daha az olduğu ve fyatı oluşumuda daha etkl olduğu gözlemlemştr. PTF fyatıı se doğruda brcl eerj kayaklarıda doğalgaz eerj kayağı üretm mktarı le doğru ve hdrolk eerj kayağı üretm mktarı le ters oratılı olduğu gözükmektedr. Eerj üretmde kullaıla doğalgaz hammades büyük kısmı ülkemzde üretlmeyp hraç 667

5 edle pahalı br eerj kayağıdır. Buu soucu olarak doğalgaz eerj kayağıda üretle elektrk mktarı artıkça elektrk referas fyatıı da yukarı çekmektedr. Buu akse mevsmsel yağış mktarı artması hdrolk eerj üretm artırarak daha ucuz eerj sağlaacaktır ve elektrk referas fyatı aşağıya çeklecektr. Çzelge 6. de eerj kayaklarıa göre ortalama hata oraları verlmştr. -Sıvı Yakıtlar-Lyt brleşm %5 br orala e başarılı souçlar alımıştır. Çzelge 6. de se ANFIS ve ANN modelde elde edle aylık döemsel değerler artmetk ortalaması alıarak yıllık ortalamalar karşılaştırılmış ve gerçeğe yakı değerler elde edlmştr. Çzelge 6.: ANFIS ve ANN ç MAPE oraları Grş ANN ANFİS 0,0876 0,0698 Hdrolk 0,679 0,00 -Sıvı-Lyt 0,088 0,0567 Çzelge 6.: 05 yılı PTF ağırlıklı ortalaması ve 05 yılı ANN-ANFIS aylık ağırlıklı ortalamalarıı artmetk ortalaması Grş 05 ANN ANFİS PTF PTF PTF 43,97 47,56 40,0 Hdrolk 43,97 55,5 38,75 -Sıvı-Lyt 43,97 48,40 39,3 7. Souçlar Gü öces pyasasıda PTF ağırlı ortalama değerler tahm ç ANN ve ANFIS kullaılmıştır. Kullaıla k method ç eğtm aşamasıda 0-04 yıllarıa at brcl eerj kayaklarıı üretm mktarı grş vers olarak uygulaarak, 05 yılı PTF ağırlıklı ortalama değerler hesaplamıştır. Bu k methoda elde edle değerler gerçek PTF ağırlıklı ortalama değerlerle karşılaştırıldığıda ANFIS model MAPE hata oralarıı gerçeğe daha yakı olduğu ve geelde hata ora aralığıı %-5 arasıda kaldığı gözükmektedr. Buu ede se ANFIS öğreme kalbyet adaptf olmasıdır. Her k modelde çıkarıla souç PTF ağırlıklı ortalama değer le brcl eerj kayakları üretm mktarı arasıda sıkı bağ olduğu üretmdek artış ve azalmaları drek fyata etk ettğ ve ANFIS modelde alıa souçları göre tahmleme ç e doğru terch olduğu gözükmektedr.. 8. Kayaklar [] Eerj Pyasaları İşletme A.Ş. [] Szkuta, B.R., Saabra, L.A., Dlo, T.S., Electrcty Prce Short-Term Forecastg Usg Artfcal Neural Networks, IEEE Trasacto o Power Systems, 4(3), , 999 [3] Carer, F., Gees, C., Marao, P., Motaga, M., Strategc Bddg a Day-Ahead Market By Coevolutoary Geetc Algortms, IEEE PES Geeral Meetg, 00, -8 [4] Hog, Y.Y., Wu, C.P., Day-Ahead Electrcty Prce Forecastg Usg a Hybrd Prcpal Compoet Aalyss Network, Eerges, 5, , 0 [5] Zhag, H., Gao, F., Wu, J., Lu, K., Lu, X., Optmal Bddg Strateges for Wd Power Producers the Day-Ahead Electrcty Market, Eerges, 5, , 0 [6] Josso, T., Pso, P., Madse, H., Nelse, H.A., Forecastg Elektrcty Spot Prces Accoutg Wd Power Preddctos, IEEE Trasactos o Sustaable Eergy, 4(), 0-8, 0 [7] Voro, S., Partae., Prce Forecastg the Day-Ahead Eergy market by a Iteratve Method wth Separate Normal Prce ad Prce Spke Frameworks, Eerges, 6, , 03 [8] Motero, C., Jmeez L.A.F., Rosado I.J.R., Explaatory Iformato Aalyss for Day-Ahead PrceForecastg the Ibera Electrcty Market, Eerges, , 8, 05 [9] Elmas, Ç., Yapay Zeka Uygulamaları, Seçk Yayıcılık, Akara, 0 [0] Nabyev, V. V.,. Yapay Zeka, Seçk Yayıcılık, Akara, 0 [] Kubat, C., Yapay Zeka ve Mühedslk Uygulamaları, Pusula Yayıcılık, Akara, 03 [] Türkye Elektrk İletm A.Ş. Şekl yılı gerçek PTF-ANFIS PTF-ANN PTF değerler 668