KISA DÖNEM YÜK TAHMİNİ Bülent BİLGE TEİAŞ Milli Yük Tevzi İşletme Müdürlüğü Gölbaşı-ANKARA ÖZET Kısa Dönem Yük Tahmini nin temel amaçları: üretim planlama fonksiyonları, sistem işletiminin güvenliğinin değerlendirilmesi, zaman bağımlı yük tevzicilik bilgilerinin sağlanması. Kısa Dönem Yük Tahmini, monopolist sistemlerde önemli bir rol oynamaktadır. Yeniden yapılandırılmış bir güç sisteminde, bir Üretim Şirketi, uygun bir piyasa kararına varmak için sistem talebini ve ilgili fiyatı tahmin etmelidir. Tahminlerdeki hassasiyeti sağlamak için farklı modeller gerçekleştirilmiştir. Bunlar arasında regression, istatistiksel ve state-space metotları sayılabilir.ilaveten, uzman sistem, evrimci programlama, fuzzy sistem, yapay sinir ağları ve bu algoritmaların kombinasyonuna dayalı olarak suni zeka tabanlı algoritmalar kullanılmaya başlanmıştır.
Bunlar arasında yapay sinir ağları, açık modeli, kolay yapımı ve iyi performansı nedenleriyle daha fazla dikkat çekmiştir. Yük Tahmininin Uygulamaları Üretim Planlama: Planlama, Kısa Dönem Yük Tahmini nin temel amacıdır. Güç Sistemi Emniyeti: Kısa Dönem Yük Tahmini, daha emniyetli sistem işletmesine öncülük etmektedir. Sistemin Üretim Rezervi: Güç üretimi rezervleri; ani yük artışları ve santral kayıpları nedenleriyle oluşan yetersizliklerin üstesinden gelebilecektir. Uygun rezerv miktarı, yük tahminine dayalı olarak belirlenebilir. Yük Tevzici Bilgisi: Yük tevzicinin, sistemi en ekonomik işletebilmesi için çok kısa dönem yüklerine ilişkin gerçek zaman bilgilerine ihtiyacı vardır. Piyasa İşletmesi: Güç endüstrisinin yeniden yapılanmasıyla birlikte, yük tahmini çok önemli bir konuma yükselmektedir ki sadece sistem işletmecileri için değil aynı zamanda piyasa işletmecileri, iletim sahipleri ve diğer piyasa katılımcıları için dahi gerekmektedir.[1] 1. Giriş Elektrik endüstrisi birçok ülkede yeniden düzenlemeye uğramaktadır. Yeniden düzenlemenin amacı, müşterilerin, temin edecekleri elektriği istedikleri yerden temin etme özgürlüğüne sahip olmalarını sağlamak ve toplumun sosyal çıkarlarını arttırmaktır. Elektrik üretim, iletim ve dağıtım şirketleri de kendi karlarını maksimize emek için piyasa tarafından idare edilmektedir. Birçok sistem stresli bir durumda kendi emniyet sınırlarına yaklaştırılmaktadır. Elektrik endüstrisinde, sistem emniyeti gittikçe daha büyük önem kazanmaktadır. Fakat emniyet sorunlarının birçoğu, sistem işletme ve kontrolünde, çeşitli kısıtlılıklardan kaynaklanmaktadır. Bu tür kısıtlılıkları idare ve kontrol etmek için önemli faktörlerden biri, yük tahminine dayalı uygun sistem işletimsel planlamasıdır. [4] Güç sistemleri için yüksek hassasiyete sahip yük tahminleri güç sisteminin emniyetini arttırır ve üretim maliyetlerini düşürür. Yük tahmini; tevzi planlaması, jeneratörler için koruyucu bakım planı ve güç sistemlerinin güvenilirlik değerlendirmesi gibi güç sistemi işletimsel parametreleriyle oldukça ilgilidir. İlaveten, yüksek hassasiyetle tahmin edilen yükler, elektrik güç piyasalarında elektrik güç fiyat tahmini için gerekli olan kilit bilgidir. Fakat elektrik güç yük tahmini problemi zor bir problemdir çünkü sistem yüklerinin lineer olmayan ve rastlantısal davranışları vardır.
Ayrıca, hava şartları ve ekonomik şartların değişimi de söz konusu olmaktadır. Şimdiye kadar, deterministik, stochastic, bilgi tabanlı ve yapay sinir ağları metotları gibi çeşitli geleneksel yöntemler kullanılarak, tahmin hassasiyetini geliştirmek için yük tahmini üzerinde bir çok çalışmalar yapılmıştır.[3] Kısa Dönem Yük Tahmini, esas itibariyle, sistem yükünün 1 saatten 7 güne kadar tahminini amaçlar. Bu tahmin, yeterli planlama ve güç sistemlerinin işletimi için gereklidir. Kısa Dönem Yük Tahmini, geleneksel olarak Enerji Yönetim Sistemleri nin önemli bir bileşeni olmuştur. Çünkü, yük akışı ve kısıtlılık analizi için gerekli girdi bilgisini sağlamaktadır. Dünya genelinde güç endüstrisinin yeniden düzenlenmesi ile birlikte, yük tahmini çok daha önemli olmaktadır. Sadece sistem işletmecileri için değil, aynı zamanda piyasa işletmecileri, iletim şebekesi sahipleri ve herhangi bir diğer piyasa katılımcısı için de yük tahmini önemli olmaktadır. Öyle ki yeterli enerji alış-verişi planlanabilsin ve uygun işletimsel planlar ve teklif verme stratejileri kurulabilsin. Böylece yük tahmini, aynı zamanda enerji komisyonculuğu sistemlerinin önemli bir bileşeni olmuştur. Bu yeni durum içinde, yüksek tahmin hassasiyeti ve hızı, sadece güvenilir sistem işletmesi için değil, fakat aynı zamanda yeterli piyasa işletmesi için de gerekmektedir. Çünkü eksik ve fazla tahminlerin her ikisi de, artan işletimsel maliyetlere ve gelir kayıplarına neden olacaktır.[2] 2. Yük Karakteristikleri Ve Tahmin Yöntemleri 2.1. Yük Karakteristikleri Geleneksel olarak, herhangi bir zamandaki sistem yükü, dört ayrı bileşenin bir kombinasyonudur.yani; L=Ln+Lw+Ls+Lr Burada L: toplam sistem yükünü, Ln: yükün normal bölümünü, yani yıl boyunca görülmekte olan günün her bir tipi için standartlaşmış yük biçimleri setini, Lw: yılın mevsimine sıkıca bağlı olan yükün hava duyarlı kısmını, Ls: tipik yük davranışından önemli sapmaya götüren ve nadir olan özel olay parçasını, Lr: rastlantısal kısmı veya sıfıra yakın alınan açıklanamayan kısmı, temsil etmektedir.
Şu anki rekabetçi elektrik piyasalarında, sistem yükü aynı zamanda fiyatlardan da önemli ölçüde etkilenmektedir. Elektrik, anlık olarak üretilmek ve tüketilmek zorunda olduğundan ve iletim sistemlerinin yalnızca sınırlı transfer imkanları olduğundan, elektrik fiyatları yere ve zamana göre değişmekte ve diğer ürünlere kıyasen oldukça yüksek değişimler göstermektedir. Tüketiciler, özellikle fiyat esnekli müşteriler, kendi tüketim davranışlarını, maksimum fayda elde etmek için fiyat bilgisine göre ayarlamaktadırlar.bunda dolayı, fiyat, sistem yüküyle onu etkileyen faktörler arasındaki ilişkide bulunmalıdır, yani, L=f(gün, hava, özel olay, fiyat, rastlantısallık) Burada f(.), oldukça non-lineer bir fonksiyondur ki onu açık bir biçimde temsil etmek zordur. Bundan dolayı sistem yükünün hassas bir biçimde geleneksel istatistiksel yöntemlerle tahmin edilmesi oldukça karmaşık bir problemdir. [2] Genel olarak, tatillerin yük eğrileri normal hafta içi günlerinkine benzemezler. Cumartesi veya Pazartesi günlerine gelen bir tatil gününde, daha büyük yük tahmin hataları ortaya çıkar. Bu önemli hatalar birçok durumda aşağıdaki iki nedenden kaynaklanır: Birincisi, Cumartesi ye tekabül eden bir tatil gününde devam eden gün Pazar dır ve her iki gün de tatildir. Benzer şekilde, Pazartesi gününe gelen bir tatil gününde, aynı süreli tatil vardır. Özellikle güç talebinin tahmininde bir zorluk vardır çünkü bu tatil günlerindeki güç tüketim şekilleri, hafta içi günlere (Salı, Çarşamba, Perşembe ve Cuma) rastlayan tatillerdekilerden oldukça farklıdır. Bu durumların sosyal ve ekonomik faktörlerden kaynaklandığı tahmin edilmektedir. Genellikle, Cumartesi veya Pazartesi günlerine gelen bir tatil günündeki yük, Salı, Çarşamba, Perşembe veya Cuma ya gelen bir tatil günündeki yükten daha düşüktür. Diğer neden ise, güç talebini tahmin etmek için, fuzzy girdi bilgisi için geçmiş veri kullanılır ve geçmiş veri, tatiller için günlük en yüksek yük tahminlerinde önemli hatalara neden olabilir. Yük modelleri yıldan yıla değişiklikler göstermektedir. Bu nedenle, yıllar içerisinde yük profilleri oldukça farklı olmaktadır. Yük tahminlerinde günler 4 ayrı kategoriye ayrılır. Bunlar; 1. Kategori: Salı, Çarşamba, Perşembe ve Cuma 2. Kategori: Pazar, 3. Kategori: Cumartesi 4. Kategori: Pazartesi
Salı, Çarşamba, Perşembe ve Cuma günlerinde yük profilleri hemen hemen birbirine denktir. Genel olarak, hafta içi günlerin yük profilleri, hafta sonlarından ve tatil yük profillerinden oldukça farklıdır. Hafta içi günler için ortalama yük tahmin hataları, hafta sonları ve tatillerdekilerden daha düşüktür çünkü hafta içi günler için yük eğrileri hemen hemen aynıdır. Tatillerin yük tahmin hataları şu şekilde tanımlanır: Hata (%)= [[Ptahmin(t)-Pfiili(t)]/ Pfiili(t)]*100 Burada: Ptahmin(t): tatil gününün t saatindeki tahmin yüküdür Pfiili(t): tatil gününün t saatindeki gerçek yüküdür [3] Yüksek tahmin hassasiyeti ve hızını gerçekleştirmek için, ki bunlar Kısa Dönem Yük Tahmini nin iki en önemli gereklilikleridir, yük karakteristiklerini analiz etmek ve yükü etkileyen ana faktörleri tanımlamak önemlidir. Elektrik piyasalarında, mevsim, gün tipi ve hava gibi yükü etkileyen geleneksel faktörlere ilaveten, elektrik fiyatı da yükü etkileyen önemli bir faktör olmaktadır.[2] 2.2. Tahmin Yöntemleri Hassasiyetlerini ve verimliliklerini geliştirmek için çeşitli tahmin teknikleri uygulanmaktadır. Genel olarak Kısa Dönem Yük Tahmini, geleneksel ve modern olarak sınıflandırılabilir. Geleneksel istatistiksel yük tahmini teknikleri, ör.regression, zaman serileri, model tanıma, Kalman filtreleri vs, uzun zamandır pratikte kullanılmaktadır.bu geleneksel metotlar ağırlıklı multi-model tahmin teknikleri kullanılarak birleştirilebilir.fakat bu metotlar, yük ve onu etkileyen faktörler serisi arasında var olan kompleks non-lineer ilişkileri, uygun bir şekilde temsil edemezler, ki bunlar sistem değişikliklerine bağımlıdırlar (ör. Mevsim veya günün vakti). Uzman sistemler, yapay sinir ağları, fuzzy mantık, wavelets gibi modern yük tahmin teknikleri son zamanlarda geliştirilmişlerdir ve cesaret verici sonuçlar vermektedirler. Bunlar arasında, yapay sinir ağları metotları özellikle dikkat çekicidir çünkü onların, yük ile onu doğrudan etkileyen faktörler arasındaki lineer olmayan ilişkileri değerlendirme kabiliyeti bulunmaktadır. Kısa Dönem Yük Tahmini için farklı yapay sinir ağları tipleri uygulanmıştır; örneğin çok katmanlı feed-forward (bir katman gizli), recurrent ve fonksiyonel linkler.[2]
3. Sonuç Bundan sonra sistem işletmesi, kontrolü ve yan hizmetleri, kısıtlılıklardan kaçınmak ve güvenli elektrik arzı sağlamak için yönetilebilir. Kısa Dönem Yük Tahmini, gelecek elektrik taleplerini, geleneksel olarak, tarihsel data ve tahmin edilen hava şartlarına dayalı olarak tahmin eder. Böylece önemli işletimsel ve idari kararlar; üretim planlaması, bakım planlaması, yan hizmetler planlaması ve risk yönetimi gibi, tahmin edilen elektrik taleplerine dayalı olarak gerçekleştirilebilir. Uygun talep tahmini, elektrik piyasalarındaki katılımcı şirketler için fiyat etkin risk yönetim planları yapmalarına yardımcı olabilir. [4] 4. Kaynakça [1] Shahidehpour, M., Yamin,H., Li, Z. Market Operations in Electric Power Systems, Forecasting,Scheduling and Risk Management New York 2002 [2] Chen, H., Canizares, C., Singh, A. ANN-based Short-Term Load Forecasting in Electricity Markets University of Waterloo Department of Electrical&Computer Engineering Waterloo, ON, CANADA [3] Song, K., Baek, Y., Hong, D., Jang, G. Short-Term Load Forecasting for the Holidays Using Fuzzy Linear Regression Method IEEE Transactİons On Power Systems,Vol.20, No.1, February 2005 [4] Neural-Wavelet Model for Short-Term Load Forecasting Adaptive Neural-Wavelet Model for Short Term Load Forecasting, International Journal of Electric Power Systems Research, Vol.59, pp.121-129, 2001
Özgeçmiş Bülent BİLGE 1969 yılında Malatya da doğdu. İlk, orta ve lise eğitimini Elbistan da tamamladı.1995 yılında Orta Doğu Teknik Üniversitesi Gaziantep Mühendislik Fakültesi Elektrik ve Elektronik Mühendisliği bölümünden Lisans derecesini alarak mezun oldu. Kısa bir süre özel bir şirkette proje mühendisi olarak çalıştı. Kasım 1997 de Deniz Eğitim ve Öğretim Komutanlığı nda askerlik hizmetini Yedek Subay olarak tamamladı.1998 yılında Türkiye Elektrik İletim A.Ş. Milli Yük Tevzi İşletme Müdürlüğü nde Mühendis olarak çalışmaya başladı. Halen aynı Müdürlükte Teknik Şef olarak görev yapmaktadır.