Türkiye'de gün öncesi elektrik fiyatları tahmini: Klasik ekonometri ve makine öğrenme teknikleri karşılaştırması

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. Sonuç olarak, elektrik fiyatları genellikle karmaşık ve doğrusal olmayan bir yapıya sahiptir. Elektrik fiyatlarının tahmini için birçok yöntem bulunmaktadır. Bu çalışmada, yapay sinir ağları, zaman serileri ve quantile regresyon yöntemleri kullanılmıştır. Yapay sinir ağlarının, fiyatların doğrusal olmayan etkisini kavrayabilmek için iyi bir tahmin yöntemi olduğu bilinmektedir. Öte yandan, zaman serisi yöntemleri ile fiyatları tahmin etmek ve yorumlamak kolaydır. Son olarak, quantile regresyon koşullu farklı dağılımları yakalamak için yararlı olabilmektedir. Çalışmada kullanılan ilk yöntem, dışsal girdilerle doğrusal olmayan otoregresif ağ (NARX), Levenberg-Marquardt öğrenme algoritması ile kullanılmıştır. NARX Sigmoid Aktivasyon Fonksiyonu ile iki gizli katmanlı ve bir sonuç katmanlı ileri besleme ağıdır. Elektrik yükünün fiyatları etkileyen en önemli faktörlerden biri olduğu bilinmektedir, bu sebeple yük miktarı dışsal girdi olarak modele eklenmiştir. Ayrıca mevsimselliği dikkate almak için günün saati, haftanın günü, yılın mevsimi, tarife kukla değişkenleri ve geçmiş fiyatlar dikkate alınmıştır. Bir sonraki günün fiyatları, çoklu adım yöntemi ve rolling window mekanizmasıyla örneklem dışı verilerde tahmin edilmiştir. Öyle ki, iki yıllık verininin son haftası modele dahil edilmemiştir. Daha sonrasında, bir sonraki günün fiyatları, yani saati temsilen 24 farklı fiyat tek bir model ile tahmin edilmiştir. Daha sonrasında rolling window sistemi uygulanarak, yani örneklem 24 saat arttırılarak bir sonraki günün fiyatları tahmin edilmiştir. Çalışmanın ikinci yöntemi, otoregresif haraketli ortalamalar modeli (ARMA) farklı AR(p) and MA(q) dereceleriyle uygulanmıştır. Zaman serilerinde tahminleme yapabilmek için, serilerin durağan olması gerekmektedir. Bu sebeple, elektrik fiyatlarının durağan olup olmadığını ölçmek için Ng-Perron durağanlık testi uygulanmış ve serinin durağan olduğu sonucuna ulaşılmıştır. Seri düzeyde durağan olduğu için ARMA modeli ile devam edilmiştir. Bir sonraki günün fiyatları, çoklu adım yöntemi ve rolling window mekanizmasıyla örneklem dışı verilerde tahmin edilmiştir. Üçüncü yöntemde ise, dışsal değişkenlerin otoregresif modelin performansını etkileyip etkilemediğini görmek için dışsal değişkenlere sahip ARMA modelleri (ARMAX) uygulanmıştır. ARMA modelinde olduğu gibi, ARMAX modelinde de durağanlık koşulunun sağlanması gerekmektedir. Elektrik fiyatları serisinin Ng-Perron düzeyde durağan olduğu sonucuna ulaşılmıştır. NARX modelinde olduğu gibi, elektrik yükü dışşal değişken olarak modele eklenmiştir. Ayrıca mevsimselliği dikkate almak için günün saati, haftanın günü, geçmiş fiyatlar ve benzeri değişkenler modellerde kullanmıştır. Bir sonraki günün fiyatları, çoklu adım yöntemi ve rolling window mekanizmasıyla örneklem dışı verilerde tahmin edilmiştir. Son olarak quantile regresyon yöntemi uygulanmıştır. Daha önceki modellerde olduğu gibi elektrik yükü dışsal değişken olarak alınmıştır. Ayrıca mevsimsellik etkisini dikkate almak için günün saati, çalışma günü, haftasonu, geçmiş fiyatlar ve benzeri değişkenler modele eklenmiştir. Model farklı yüzdelik dilimler için uygulanmıştır. Diğer yöntemlerde olduğu gibi, bir sonraki günü fiyatları çoklu adım yöntemi ve rolling window mekanizması ile örneklem dışı verilerde tahmin edilmiştir. Farklı kombinasyonları denenen modeller, örneklem dışı veride ortalama mutlak yüzde hata (MAPE) ile karşılaştırılmış ve değerlendirilmiştir. Elde edilen sonuçlara göre, NARX yönetmi ile kurulan Model A, %9.65 MAPE hata oranı ile diğer yöntemlerden daha iyi bir sonuç vermiştir.