Türkiye'de iklimin enerji piyasasına olan etkileri ve bu etkilerin tahmin edilebilirliği
The effects of climate in Turkey's energy market and predictability of these effects
- Tez No: 596412
- Danışmanlar: PROF. DR. AHMET COŞAR, DR. ÖĞR. ÜYESİ TAYFUN KÜÇÜKYILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrik fiyatlarının günlük olarak belirlenmesinde verimlilik, süreklilik ile ekonomik ve güvenli elektrik üretimi başlıca faktörlerdir. Günümüzde, Türkiye'nin artan elektrik enerji ihtiyacının tahmini, çeşitli senaryolara göre TEİAŞ tarafından yapılmakta ve bu tahminler Piyasa Mali Uzlaştırma Merkezi (PMUM) tarafından yayınlanmaktadır. İklim verilerinin elektrik tüketim tahminindeki etkisini incelemek için yapılan araştırmaların bölgesel iklim verileri ile elektrik tüketim tahminleri üzerine yapılmış olduğu görülmüştür. Bu tahminlerde kısıtlı iklim verileri ile hareket edilmiş olduğu ve ulusal seviyede iklim verileri ile çalışılmadığı görülmüştür. Buradan yola çıkarak araştırmamızda, ulusal iklim verileri ile çalışılmış olsa daha doğru tahminler gerçekleştirilebilir mi soruna cevap aranmıştır. Meteoroloji Genel Müdürlüğün'den alınan veriler incelendiğinde istasyon bazlı pek çok farklı verinin saatlik, günlük, aylık ve yıllık veriler olarak tutulduğu görülmüştür. Elektrik tüketim verilerinin saatlik tutulmasından dolayı iklim verilerinde de saatlik veriler üzerinden hareket edilmiştir. İklim verilerinin etkisini incelemek için çeşitli metotlar denenmiştir. Bu verilerle birlikte günün saati, haftanın günü, bayram tatili günü ve gelişmişlik katsayısı verileri destekleyici veri olarak kullanılmıştır. Türkiye'de kurulu meteoroloji istasyonlarından alınan saatlik iklim verileri işlenerek, Türkiye geneli 17 iklim verisinin saatlik ortalamaları çıkarılırken mteoroloji istasyonlarının bulundukları illerdeki nüfus yoğunluğuna göre geliştirilen katsayılar kullanılmıştır. Ayrıca elektrik tüketiminin her yıl artış oranlarından etkilenmemesi için normalizasyon çalışmasına gidilmiştir. Bu çalışmada iki seviyeli bir normalizasyon uygulanarak makine öğrenme altyapısı kullanılmıştır. Tahminlerin her biri için denetimli (supervize), tek etiketli makine öğrenme modelleri denenmiş ve birçok makine öğrenme algoritması ile test edilmiştir. Yapılan deneylerin sonucunda, ülke geneli saatlik elektrik tüketiminin yaklaşık %4,27 hata payı ile tahmin edilebilirliği ortaya konulmuştur.
Özet (Çeviri)
It has been observed that the researches conducted to examine the effect of climate data on electricity consumption forecast are based on regional climate data and electricity consumption forecats. From this point of view, if national climate data is studied, it is sought to answer the question whether more accurate forecasts can be made. When the data obtained from the General Directorate of Meteorology is analyzed, it is seen that many different station-based data are kept as hourly, daily, monthly and annual data. As the electricity consumption data is kept hourly, the climate data is also based on hourly data. Various methods have been tried to examine the impact of climate data. Together with these data, time of day, day of week, holiday day and development coefficient were used as supporting data. The coefficients were delevoped according to population density of the cities where meteorological stations are established are used when the hourly averages of the 17 climate data throughout Turkey is inferred. Additionally, normalization study is conducted for preventing electricity consumption from being affected by rate of increase. In this study, two-level normalization is implemented and machine learning infrastructure is used. Controlled and single-labelled machine learning models have been tried for each of the predictions, and it is tested with many machine learning algorithms. The predictability of the country-wide hourly electricity consumption with a margin of error of approximately 4.27% is revealed as a result of the experiments.
Benzer Tezler
- Türkiye'de sera gazı emisyon azaltımında karbon ticareti ve yenilenebilir enerji projelerinin rolü
The role of carbon trade and renewable energy projects for the reduction of the greenhouse gas emission in turkey
BENGÜ ÖZDEMİR
Yüksek Lisans
Türkçe
2019
Çevre Mühendisliğiİstanbul Üniversitesi-CerrahpaşaÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU ONAT
- 1981 Türkiye tarımsal yapısının önemli bileşenleri ve tarımsal bölgelerin elde edilmesi
Principle components of Turkey's agricultural structure and to determine agricultural rigions in 1981
İHSAN KARABULUT
- 1983 yılı trafik kaza istatistikleri değerlendirmesi
Başlık çevirisi yok
ŞÜKRÜ ÖZER
Yüksek Lisans
Türkçe
1986
UlaşımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. RIDVAN EGE
- İş kazalarının Türk ekonomisi üzerine etkileri ve kömür madenciliği üzerine bir inceleme
Başlık çevirisi yok
MESUT ÖRMECİ
Yüksek Lisans
Türkçe
1985
Çalışma Ekonomisi ve Endüstri İlişkileriGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
PROF. DR. NACİ KINACIOĞLU