Applications of time-series methods in electricity price forecasting

Gün öncesi elektrik fiyatlarının daha yüksek doğrulukta tahmin edilmesi, enerji borsasının piyasa oyuncuları için her zaman yararlıdır. Modeller, üstel tahminleme metotları ve naive işleme kullanılarak COVID-19 öncesi ve boyunca seçilen 12 Avrupa ülkesi için en iyi zaman serisi tahmin yöntemini bulmak için ilk olarak tasarlandı. Daha sonra, diğer ülkeler için en iyi yöntemin hangisi olduğu sorusuna cevap vermek için her ülkenin 33 farklı özelliği bir sınıflandırma yaklaşımını takip eder. Ayrıca, mevsimsel otoregresif entegre hareketli ortalama kullanılarak herhangi bir bağımsız değişken olmaksızın 24 saat tahmin edilir. İstatistiksel tahmin modelinin yanı sıra, her Avrupa ülkesi için uzun-kısa süreli bellek kullanılmaktadır. Elektrik fiyatı tahmininde çoklu doğrusal regresyon kullanıldı. Ortalama mutlak yüzde hatasını azaltmak için farklı tahmin ediciler analiz edilir. Eğitim verileri, Türkiye'deki gün öncesi elektrik piyasasından alınan tarihleri içermektedir. Elektrik fiyat tahmininde önceki bir gün, bir hafta gibi gecikmeli elektrik fiyatları ve gecikmeli hareketli ortalama fiyatların önemli rol oynadığı kanıtlanmıştır. Tahmin modelinde diğer değerli katsayıların yanı sıra doğalgaz, petrol ve kömür fiyatları test edilmektedir. Daha doğru sonuçlar üreten çoklu doğrusal regresyon kullanılarak akaryakıt fiyatlarının hata oranları belirgin şekilde düşürülmüş ve saatlik elektrik fiyatını etkileyen önemli değişkenler belirlenmiştir. Farklı eğitim veri uzunluğu, elektrik fiyatı tahmininde hata oranlarını düşürmenin önemli bir parçasıdır. Ayrıca elektrik fiyatları tahmininde Düzenli ve Dinamik Regresyon modeli ile karşılaştırıldığında hata oranlarında büyük bir fark olmadığı analiz edilmektedir. Modelde daha iyi hata performansı vermesi için Düzenli ve Dinamik İleri Beslemeli Sinir Ağı Yöntemleri kullanılmış ve daha doğru sonuçlar elde edilmiştir.