Forecasting Electricity Prices In Turkey: A Comparison Of Classical Econometrics And Machine Learning Techniques

thumbnail.default.placeholder
Tarih
2018
Yazarlar
Karagülle, Yunus Emre
Süreli Yayın başlığı
Süreli Yayın ISSN
Cilt Başlığı
Yayınevi
Institute of Social Sciences
Sosyal Bilimler Enstitüsü
Özet
Liberalization of electricity markets trends has been widening in the world since 1990s and the process is still continuing in many countries. As a result of liberalization, the private retailer and distribution companies role has increased in the markets. Like other countries, government enterprises was operating the Turkish Electricity market before 2000s. However, Turkish Government enacted a electricity market law for deregulation of the market in 2001. Accordingly, Turkish Electricity Trading and Contracting (TETAS) was established in 2001 with the aim of sustaining the energy trade and reach a competitive electricity market. Afterwards, Day-Ahead market and Intra-Day markets are established in the following years. As a result of the liberalization process, forecasting electricity prices has become an important requirement in energy companies' decision-making process to maximize profits by offering competitive bid and ask rates. On the contrary to other time series, electiricity prices have complex structures and dynamic determinants which makes difficult to forecast prices. For examle, one of the determinants of the electricity is demand and it is known that demand is highly related with temperatures. In summer, electricity demand expeced to increase due to cooling needs. However, it may change accordingly with tempetures. Futhermore, electiricty demand is also changing according to hour of the day or day of the week and so on. Another thing is that, generation source and type and the amount may also affect the prices. Consequently, electiricty prices are generally representing complex non-linear structures. There are many methods for forecasting electricity prices. However, artificial neural networks are known to be good forecasting method for covering non-linear effect of the prices. On the other hand, time series methods are easy to forecast and interpret the relationships. Lastly, quantile regressions are capturing the different conditional distributions and may be useful for capturing spkies. Therefore, artificial neural networks, time series and quantile regression is used. First, non-linear autoregressive network with exogenous inputs (NARX) is used with Levenberg-Marquardt learning algorithm. It is a two-layer feedforward network with sigmoid activation function.
Elektrik piyasalarının serbestleşmesi 1990'lı yıllardan bu yana dünyada yayılmaktadır ve bu süreç birçok ülkede devam etmektedir. Ayrıca serbestleşmenin bir sonucu olarak, piyasalarda perakendeci ve dağıtım şirketlerinin rolü her geçen gün artmaktadır. Diğer ülkelerde olduğu gibi, 2000'lerden önce Türkiye Elektrik Piyasası devlet iktisadi teşebbüsleri tarafından işletilmekteydi. Ancak, Türkiye Cumhuriyeti 2001 yılında piyasaların serbestleştirilmesi için bir elektrik piyasası kanunu çıkarmıştır. Bu doğrultuda, 2001 yılında enerji ticaretini sürdürmek ve rekabetçi bir elektrik piyasasına ulaşmak amacıyla Türkiye Elektrik Ticareti ve Taahhüt A.Ş. (TETAS) kurulmuştur. Daha sonraki yıllarda, Gün Öncesi Piyasa ve Gün İçi Piyasa hayata geçirilmiştir. Serbestleşme sürecinin sonucu olarak, elektrik fiyatları tahmini, rekabetçi alış ve satış teklifleri vererek karlarını maksimize etmek için enerji şirketlerinin karar verme sürecinde önemli bir gereklilik haline gelmiştir. Diğer zaman serilerinin aksine, elektirik fiyatları tahmin edilebilmesi güç, karmaşık ve dinamik bir yapıya sahiptirler. Örneğin, elektriğin en önemli belirleyicilerinden biri taleptir. Talebin de sıcaklıklar ile doğrudan ilişkili olduğu bilinmektedir. Yaz aylarında, elektrik ihtiyacının soğutma ihtiyaçları nedeniyle artması ve kış aylarında ısınma ve aydınlatmaya olan ihtiyaçtan dolayı artması beklenmektedir. Fakat bu talep artışı sıcaklığa ve zamana bağlı olarak değişebilmektedir, sıcaklık her yaz döneminde farklı olabilmektedir. Bunun yanı sıra, elektrik üretiminde kullanılan kaynaklar ve üretim maliyetleri de elektrik fiyatlarını etkileyebilmektedir. Türkiye'de üretilen elektriğin büyük bir kısmı doğalgaz, ithal kömür ve hidrolik kaynaklıdır. Özellikle doğalgaz ve ithal kömür, üretim maliyetini arttırıcı bir unsura sahiptir.
Açıklama
Thesis (M.A) -- İstanbul Technical University, Institute of Social Sciences, 2018
Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Sosyal Bilimler Enstitüsü, 2018
Anahtar kelimeler
Econometrics, Economics, Energy, Econometric estimate, Price ferecasting, Ekonometri, Ekonomi, Enerji, Ekonometrik tahmin, Fiyat tahmin
Alıntı