Tekrarlayan sinir ağı tabanlı elektrik tüketim tahmini

Kısa dönemli elektrik tüketim tahmininin amacı bir saat sonrası ile birkaç hafta sonrasında gerçekleşecek elektrik tüketimini tahmin etmektir. Bu tezde bir haftalık tahmin sistemi üzerinde deneyler yapılmıştır. Elektrik tüketimi tahmininin önemi iki ana başlıkta irdelenebilir. Bu başlıklardan ilki, elektrik tüketimi tahmininin sistem yönetimi aşamasındaki önemidir. Ülke çapında elektrik tüketiminde arzın ve talebin kesintisiz bir şekilde eşleştirilmesi gerekmektedir. Anlık talep için yeterli miktarda arz olmadığında bölgesel bazlı elektrik kesintileri gerçekleşebilmektedir. Arzın talepten fazla olduğu durumlarda elektrik santrali işletmeleri liberal market koşullarında finansal zararlar edebilmektedirler. Gelecekteki elektrik tüketimini önceden tahmin edebilmek, sistem yöneticilerinin arz-talep dengesini sağlamalarında fayda sağlayacağı gibi, öncül önlemler alarak olası problemlerin önüne geçmelerini sağlayacaktır. Elektrik santrallerinin önemli bir kısmının anlık olarak çalıştırılıp kapatılabilmesi söz konusu olmayabilmektedir. Bu sebeple, kısa dönem elektrik tahmini uyarınca sistemin dengesini sağlamakla yükümlü olan kurum ve kuruluşlar üretim planlamalarında ya da santral bakım planlarında öncül önlemler alabilmektedir. Elektrik tüketim tahmininin önem arz ettiği ikinci başlık ise finansal işlemlerdir. Elektrik borsasında işlem yapmakta olan finansal kuruluşlar, bu market içerisinde alım-satım gibi finansal operasyonlar yapmaktadırlar. Bu işlemler gün içi alım satım operasyonları olabileceği gibi, gelecek zamanlara ait sözleşmelerde alıcı ve satıcının belirlediği fiyatlar dahilinde yapılabilmektedir. Bu operasyonlarının karlılığını belirleyebilecek önemli etkenlerden birisi gelecekteki elektrik tüketimini, üretimini ve bunlara bağlı olarak oluşan elektrik fiyatının doğru tahminidir. Daha iyi elektrik tüketim tahmini bu noktada firmaların yapacağı operasyonlardaki karlılık şansının artmasında önemli rol oynayabilmektedir. Elektrik tüketimi belirli aralıklarla ölçülüp raporlanmaktadır. Bu aralıklar ülkeden ülkeye göre değişiklik gösterebilmektedir. Örneğin Birleşik Krallıkta bu ölçümler 15 dakikalık yapılırken, Türkiye'de bu ölçümler saatlik olarak yapılmakta ve raporlanmaktadır. Elektrik tüketimin zaman bazlı değişen yapısı, elektrik tüketim tahmini probleminin zaman serisi problemi olarak ele alınmasına yol açmaktadır. Çalışmamızda Türkiye Elektrik Tüketimi verisi incelenmiş, başlıca karakteristik özellikleri analiz edilmiştir. 2010-2017 yılları arasında düzenli olarak Türkiye'nin saatlik elektrik tüketim miktarının yıllık ekonomik büyüme rakamları ile parallellik gösterecek şekilde arttığı gözlemlenmiştir. Bunun yanı sıra, elektrik tüketimini belirleyen iki ana aktör olduğu belirlenmiştir. Bu aktörlerin ilki endüstri (fabrikalar, ofisler), ikincisi ise hane tüketimidir. İki grubun elektrik tüketimi karakteristiğinin farklı olması elektrik tüketimi tahmini problemini karmaşık hale getirmektedir. Hane tüketimini etkileyen önemli faktörlerin hava durumu koşulları ve mevsimler olduğu gözlemlenmiştir. \newpage Kış aylarında düşen sıcaklık değeri ya da yazın en yüksek değerlerine ulaşan sıcaklık değeri, oda sıcaklığını regüle eden elektrikli aletlerin kullanımını arttırmakta ve yüksek tüketim değerlerine yol açmaktadır. Bunun yanı sıra, artan nüfus oranı, hane halkının elektrikli aletlere erişim imkanının artması gibi sebepler orta-uzun vadede ülkenin elektrik ihtiyacını arttıran etkenler olarak öne sürülebilir. Endüstri bazında ise, takvimsel özelliklerin önemli bir faktör olarak öne çıktığı gözlemlenmiştir. Ulusal tatillerde, dini bayramlarda ve iş saatleri dışındaki elektrik tüketiminde endüstri ve sektörün kapalı olması sebebiyle düşüş gözlemlenmektedir. Elektrik tüketim tahmini için pek çok metodoloji uygulanmakla birlikte, Yapay Sinir Ağları ve Otoregresif Hareketli Ortalamalar Modeli algoritmaları en öne çıkan yöntemlerdir. Bunun yanı sıra, Özyineli Sinir Ağları (RNN) odaklı çalışmalar son yıllarda elektrik tüketim tahmini problemi özelinde popülarite kazanmaktadır. Özyineli Sinir Ağları sekans verisi üzerine odaklı makine öğrenmesi problemleri için geliştirilmiştir. Doğal Dil İşleme, Video İşleme, Zaman Serisi gibi konular bu problemlere örnek olarak gösterilebilir. Bu tezde, Özyineli sinir ağları, Uzun-Kısa Dönemli Bellek (LSTM) ve Kapılı Özyineli Birimler (GRU) yöntemleri kullanılarak elektrik tüketimi problemi üzerinde kısa dönem tahmin deneyleri yapılmıştır. Verikümesi olarak 2010 yılından itibaren başlayan saatlik Türkiye elektrik tüketim verisi kullanılmış, yapılan testlerde 2017 yılı elektrik tüketim değerleri kullanılmıştır. Bunun yanı sıra, hava sıcaklığı verisinin elektrik tüketim tahmini problemi üzerindeki etkisinin araştırılması için toplam sıcaklık değeri hesaplaması yöntemi öne sürülmüş, bu hesaplanmış sıcaklık değerinin sonuçlar üzerindeki etkisi araştırılmıştır. Toplam hava sıcaklığı değerini hesaplamasında 81 ilin 2010 yılı ile 2017 yılı sonuna kadar olan zaman dilimindeki saatlik hava sıcaklığı değerleri kullanılmıştır. Her bir ilin elektrik tüketimine olan katkısının nüfusu ile doğru orantılı olduğu varsayılarak illere nüfuslarının toplam nüfusa orantılı olacak şekilde ağırlık ataması yapılmıştır. İllerin saatlik sıcaklık değerleri hesaplanan ağırlıkları ile orantılı olacak şekilde düzenlenmiş, her bir saat için her bir ilin ağırlıklı sıcaklık verisi toplanarak saatlik toplam sıcaklık değeri hesaplanmıştır. Yapılan ilk grup deneyler en iyi ağ parametrelerini bulmak amacını taşımaktadır. Mevsimsel başarım farklılıklarının da sürece dahil edilebilmesi için 2017 yılının her mevsiminden seçilen bir ayın son haftası test kümesi olarak kullanılmış, eğitim kümesi olarak ise 2010 yılından doğrulama kümesinin başlangıç tarihine kadar olan zaman aralığındaki veriler kullanılmıştır. Bu bağlamda ilk olarak doğrulama kümesinin boyutunun belirlenmesi deneyi yapılmıştır. Çeşitli büyüklükteki doğrulama kümeleri test kümesinden önceki zaman aralığından seçilmiştir. Bu deneyler akabinde elde edilen en az ortalama mutlak yüzdelik hatayı elde eden doğrulama kümesi boyutu sonraki deneylerde sabit tutularak kullanılmıştır. En iyi performans gösteren doğrulama kümesi boyutunun bulunmasından sonra, en iyi performans gösteren parametre grubunu bulmak için deneyler yapılmıştır. Farklı boyutlardaki gizli durum vektörleri, katman sayıları, girdi/çıktı dizisi boyutları ve çift yönlü-tek yönlü özniyeli sinir ağları gibi parametre adayları arasından parametre kombinasyonları belirlenmiştir. Belirlenen 120 farklı parametre kombinasyonlarındaki her bir parametre grubu 4 farklı test kümesi için ayrı ayrı eğitilip test edilmesi sonucu belirlenmiştir. En düşük hata oranına sahip olan parametre grubu tespit edilip, sonraki deneylerde bu parametre grubu kullanılmıştır. Sonraki deneylerde kullanılan test kümeleri, 2017 yılının her bir ayının son haftası olarak belirlenmiştir. Her bir deneyde 12 farklı test kümesi üzerindeki ortalama mutlak yüzde hatası başarım kıstası olarak kullanılmıştır. Eğitim kümesi 2010 yılından başlatılmış olmakla beraber, doğrulama kümesi ve parametre kombinasyonu olarak ilk grup deneylerden elde edilen sonuçlar kullanılmıştır. Çoklu-Çoklu ağ mimarisi deneyleri aynı uzunluktaki girdi sekansı ile aynı uzunluktaki çıktı sekansına sahiptir. Bu bağlamda yapılan deneylerinin ilkinde RNN, LSTM ve GRU yöntemlerinin 12 farklı test kümesi üzerindeki başarımı, hesaplanan toplam sıcaklık değeri bazlı öznitelikler de öznitelik kümesine dahil edilerek ölçülmüş olup GRU ağının LSTM ağından bir miktar daha iyi başarım elde ettiği, RNN ağının ise üç aday arasında en kötü performansı sergilediği ölçülmüştür. Çoklu-Çoklu ağ mimarisi deneylerinin ikincisinde, kullanılan öznitelik kümesinden hesaplanan sıcaklık değeri bazlı öznitelikler çıkartılarak deneyler yapılmıştır. Bu deneylerin amacı sıcaklık bazlı özniteliklerin tahmin başarımına olan etkisini ölçmektir. Sıcaklık bazlı özniteliklerin yer almadığı çoklu-çoklu ağ mimarisi deneylerinde başarımın önemli ölçüde düştüğü gözlemlenmiş, hesaplanan toplam sıcaklık değerinin elektrik tüketimi tahmini probleminde önem teşkil ettiği sonucuna varılmıştır. Son grup deneyde farklı uzunluklardaki girdi-çıktı sekansları kullanılmıştır. Girdi sekansı çıktı sekansından daha uzun tutularak, ortaya konan özyineli sinir ağının geçmiş zamandan elde ettiği bilgiyi tahmin için kullanmasının etkisi araştırılmıştır. Bu bağlamda 168 saat (1 hafta) girdi, 24 (1 gün) saat çıktı uzunluğu ve 336 saat (2 hafta)girdi, 168 saat (1 hafta) çıktı uzunluğu konfigürasyonları ortaya konmuştur. Ölçülen sonuçlar neticesinde bu konfigürasyonlardan elde edilen başarımın çoklu-çoklu mimariden elde edilen başarımlardan daha iyi olduğu gözlemlenmiştir. Yapılan deneyler içerisinde en yüksek başarımı elde eden deneyin 168 saat girdi ve 24 saat çıktı sekans uzunluğu kullanan mimari olduğu gözlemlenmiştir. Hata analizi kısmında en iyi başarımı elde eden bu modelin aylık hataları incelenmiştir. En iyi başarım elde eden modelin aylık başarım hataları incelendiğinde Ocak, Şubat, Mart, Haziran, Eylül, Ekim, Kasım ve Aralık aylarında ortalama hatanın altında hata oranına sahip olduğu gözlemlenmiştir. Hataların en yüksek çıktığı aylar, Haziran, Ağustos ve Nisan olarak belirlenmiştir. Hataların en yüksek çıktığı günlere bakıldığında bu günlerin resmi tatil ve dini bayramlara denk geldiği gözlemlenmiştir. Bu bağlamda oluşturulan modelin bayram/tatil günlerini tahmin etmede başarısız olduğu sonucuna ulaşılmıştır. Bayram/Tatil günlerinin toplam veri kümesindeki veri miktarına oranla oldukça düşük sayıda veriye sahip olması yüksek hata oranlarının önemli sebeplerinden biri olduğu düşünülmektedir. Bu konuda gelecekteki çalışmalar başlığı altında, tatil günlerindeki hata oranının düşürülmesi konusunda yapılabilecek önlemler sıralanmıştır. Bu önlemlerden ilki çeşitli örnekleme yöntemleri kullanılarak tatil günleri için vekil veri oluşturulmasıdır. İkinci önlem olarak, bayram/tatil günlerindeki hata karakteristiğinin gerçekleşen elektrik tüketiminden büyük tahminler yapmasından faydalanılarak, bir önceki yılın aynı tatil gününe ait yüzdelik hata oranında tahminin rötuşlanması olarak belirlenmiştir. Son önlem olarak sağlama kümesine geçmiş yıllara ait aynı tatil aralıklarının kullanılmasının fayda sağlayabileceği belirtilmiştir. Bunların yanı sıra, gelecekteki çalışmalarda, kar yağışı ve nemlilik gibi farklı hava durumu değerlerinin başarıma olan etkisinin ölçülmesi, özyineli yapay sinir ağlarında kullanılan dikkat mekanizmasının zaman serisi problemi üzerindeki başarımının araştırılması önerilmiştir.