Elektrik üretiminin planlanması için derin öğrenme tabanlı talep tahmin sisteminin geliştirilmesi

Dünyada ekonomik ve endüstriyel gelişmelerin artarak devam ettiği günümüzde, elektrik enerjisi ülkelerin gelişmesi açısından önemli bir faktördür. Enerji talebinin en üst düzeye çıktığı ve en alt seviyede ihtiyaç olduğu zamanlarda üretim ve tüketim miktarının dengelenmesi çok önemlidir. Elektrik işletim sisteminin belirli bir frekansta tutulması, elektriğin sürekli ve etkin bir şekilde kullanılabilmesi açısından üretim ve tüketim planlamalarının yapılması gerekmektedir. Elektrik üretiminin planlanmasının işletmenin kesintisiz ve doğru çalışması için zorunlu hale gelmiştir. Ayrıca Endüstri 4.0 kapsamında Türkiye'nin elektrik altyapısı ve enerji yük dengelemesinin zorunlu olduğu görülmüştür. Sistemdeki kayıp enerji maliyetlerini en aza indirmek, üretim yatırımlarını doğru planlamak, piyasa katılımcılarının ekonomik açıdan zarar etmemesini sağlamak, sistem kullanıcılarına kaliteli ve kesintisiz bir enerji sunmak için enerji talebinin gerçeğe en yakın şekilde tahmin edilmesi gereklidir. Dolayısıyla sistemde elektrik enerjisi arz ve talep miktarının dengede tutulması için bir enerji tahmin planına ihtiyaç duyulmaktadır. Elektrik enerjisi talebi, bölgesel, demografik ve meteorolojik etkenlere göre farklılık gösterebilmektedir. Bu faktörlerle ilgili büyük veri setlerinin kullanılması makine öğrenmesi ve derin öğrenme alanlarına olumlu yansımıştır. Çeşitli algoritmalar kullanılarak modellemeler yapılarak tahminde oldukça yüksek başarımlar elde edilmektedir. Çalışmamızda saatlik bazda 2018-2021 yılların arasındaki Türkiye Elektrik Tüketim Verileri ve meteorolojik veriler kullanılarak bunlara resmi tatil özellikleri de eklenmek suretiyle elektrik tüketim yük tahmini yapılması amaçlanmaktadır. Veriler birkaç makine öğrenmesi modeli ve derin sinir ağı tabanlı zaman serisi modellerinin eğitiminde kullanılarak modellerin tahmin başarımları test edilmiştir. Çalışma, enerji arz ve talep dengesizliğinin giderilmesini öngörmektedir.