Geçen 20 senede elektrik piyasasının liberalleşmesi ile birlikte rekabetçi alanda piyasa oyuncularının ekonomik optimizasyon ile fayda maksimizasyonu amaçlamaları nedeniyle gün öncesi piyasada fiyat tahmin etmek önem kazanmıştır. Bunun etkisiyle 2000’lerin başlarından itibaren YSA modelleri kullanılarak fiyat tahminleri yapılması ve çeşitli ülkelerin spot piyasa fiyatları ile modelin test edilmesi akademik çalışmalara konu olmaktadır Gün Öncesi Piyasasında oluşmuş saat bazlı piyasa takas fiyatlarının tahmini ile ilgili çalışmalar incelendiğinde, piyasanın 2011 yılı Aralık ayından itibaren işliyor olmasına rağmen birçok çalışmada verilerin 2011 yılı öncesine ait olduğu göze çarpmaktadır. Türkiye Elektrik Piyasası için piyasa takas fiyatının tahmin edilmesi ile ilgili yayınlar sınırlıdır ve bu alandaki araştırmalar için önemli bir fırsat alanı bulunmaktadır. Bu bölümde sunulan literatür analizi, YSA ile kısa vadeli elektrik fiyat tahmin modellerini ele alan, 2006-2016 yılları arasında yayınlanmış çalışmalarla sınırlı tutulmuştur.
Ranjbar ve diğerleri (2006) , iki ara katmana sahip Yapay Sinir Ağı modelini, Levenberg-Marquardt (LM) geri yayılma metodu ile eğitmişlerdir. Çalışmalarında iki ara katmanın tek ara katmana göre daha iyi sonuç verdiğini gözlemlemişlerdir.
Li ve diğerleri (2007), makalesinde bulanık mantık ve en küçük kareler yöntemini kullanılarak fiyat tahmini yapılmıştır. Sonuçlar yapay sinir ağlarına ve ARMA ve GARCH zaman serilerine göre daha iyi sonuç vermiştir.
Zhang ve Cheng (2008), çalışmasında çok katmanlı Yapay Sinir Ağı modeli ile Nord Pool elektrik piyasasında fiyat tahmini yapılmıştır. Ağ yapısı deneme-yanılma methodu ile hatayı minimize edecek şekilde bulunmuştur. Çalışma neticesinde ağ modelinde ARIMA modeline göre daha iyi tahminler elde edilmiştir.
Yan, X., Chowdhury, N. A. (2010) çalışmalarında günlük puant zamanda ve orta vadeli saatlik fiyat tahmini yapmak için iki adet Yapay Sinir Ağı modeli kurmuşlardır. Çalışmada talebin yüksek olduğu puant saatlerde tahmin başarısının düştüğü gözlemlenmiştir
33
Özgüner (2012), 2011 yılı için (ilk 11 ay) yapay sinir ağları kullanarak Gün Öncesi Piyasasında oluşan sistem gün öncesi fiyatlarını saatlik olarak tahmin etmiştir. Çalışmasında girdi olarak; tahmini yapılacak günü (hafta içi/hafta sonu) , takvim verisini, tüketim miktarı tahminini, bir önceki günün fiyat ve tüketim verilerinin ortalamalarını kullanmıştır. Tahmin hatasının başarısı için HOMHY hesaplaması yapmıştır.
Sahay ve Tripathi (2014) çalışmasında bulanık mantık, bulanık mantık-yapay sinir ve yapay sinir ağı modelleri vb. çeşitli yöntemlerin fiyat tahmininde tercih edildiğini belirtmişlerdir. Bu teknikler arasında son zamanlarda en çok dikkati çeken tekniğin yapay sinir ağı olduğunu belirtilmiştir. Bu sebepten çalışmalarında yapay sinir ağı modellemesi ile İngiltere piyasası elektrik fiyatları tahmin edilmeye çalışılmıştır. Çalışmaları neticesinde fiyata en çok etki eden faktörün talep miktarı olduğunu ortaya koymuşlardır.
Weron, R. (2014) makalesinde geçen on beş yılda elektrik fiyatlarının tahminlemesinde kullanılan modellerin güçlü ve zayıf yönlerini kıyaslamıştır. Talasli (2012) doktora tezinde logaritması alınan günlük ortalama spot elektrik fiyatlarını deterministik bir fonksiyon ve çok faktörlü stokastik süreçler ile modellemiştir. Dışsal bir değişken kullanılmamış olup, veri aralığı Aralık 2009 – Haziran 2011 dönemine ait Gün Öncesi Planlama dönemi verileridir. Dolayısı ile mevcutta geçerli olan GÖP veri dinamiğini yansıtmamaktadır. Özgünlüğü bakımından değerlendirecek olursak PTF analizini stokastik metotlarla yapan ilk çalışmadır.
Kölmek ve Navruz (2015) çalışmalarında Aralık 2009 – Kasım 2010 aralığını eğitim verisi olarak kullanıp Yapay Sinir Ağı (ANN) ve otoregresif süreç (AR) yöntemi ile elektrik fiyat tahminlemesi yapmışlartır. ANN yöntemine dışsal değişken olarak geçmiş PTF, günlük ortalama sıcaklık, tahmini ikili anlaşmalar, tahmini emreamade kapasite, gün tipi değişkenlerini almışlar fakat AR yöntemi için dışsal değişken kullanmamışlartır. Yazar iki yöntemin MAPE’ye göre karşılaştırması sonucu ANN yönteminin performansının daha yüksek olduğu sonucuna varmışlardır. Bu çalışma ANN yöntemini Türkiye Piyasa Takas Fiyatı üzerine uygulayan ilk çalışmalardan olması sebebiyle kıymetlidir.
34
Tayşi ve arkadaşlarının (2015) , günümüz piyasa koşulları göz önüne alarak yaptıkları çalışmalarında takvim bilgisi ve geçmiş dönem fiyat verilerini dışsal değişken olarak alıp SARIMA ve ANN metotlarını kullanarak fiyat tahmini yapmışlar ve adı geçen bu yöntemlerin başarılarını kıyaslamışlardır. Sonuçta her iki yöntemin de başarı katsayıları birbirine yakın olduğu hata ortalamalarına bakıldığında ANN modelinin daha başarlı olduğu sonucuna varmışlardır. Bu çalışmaya eleştirel yönden bakacak olursak, açıklayıcı değişken olarak 1, 2, 3 ve 4 gecikmeli fiyat değerlerini kullanmasıdır. Oysa bu durum piyasa işleyiş yapısı ile uyuşmamaktadır. Çünkü günlük Piyasa Takas Fiyatları 24 saat öncede toplu olarak belirlenmektedir. Dolayısı ile fiyat tahmini yapılırken en erken p-24 fiyat verisi kullanılabilir.
İncelenen çalışmaların ortak noktası spot elektrik piyasasında referans fiyat tahmininin içerdiği pek çok sayıda belirsizlik sebebiyle karmaşık yapıda olduğunun ifade edilmesidir. Bu faktörler arasında; nem, sıcaklık, hava şartları, yağış, üretim miktarı, kapasite, doğalgaz ve kömür maliyeti, piyasa kuralları, mevzuattaki değişiklikler, nüfus ve ekonomi bulunmaktadır. Regresyon modelleri ve zaman serileri gibi geleneksel methotlar karmaşık girdi-çıktı bağlantılarını çözmede eksik kalmaktadır. Doğru veri seti ile optimum model ile eğitilmiş Yapay Sinir Ağı modellerinin daha duyarlı tahminler sağlaması tercih edilmelerini sağlamıştır.
Çalışmada ele alınıp, analiz edilen ve tahminlemesi yapılan fiyatlar Gün Öncesi Elektrik Piyasasında oluşmuş PTF olarak adlandırılan Piyasa Takas Fiyatıdır. Diğer başka çalışmalarda ele alınmış Sistem Gün Öncesi Fiyatı (SGÖF), Gün Öncesi Piyasası henüz aktifleşmeden önce uygulamada yer alan ve Gün Öncesi Planlama adı verilen piyasada oluşmuş fiyatlardır. Temelinde tamamen birbirinden farklı fiyatlar olmasa da oluşum itibarıyla Piyasa Takas Fiyatı ile önemli ayrımları içermektedir. Önceki çalışmaların önemli bir bölümünde veri seti olarak yalnızca geçmiş dönem fiyat verileri kullanılmıştır. Fiyat verisi dışında tüketim, ikili anlaşma, saat ve gün, günlük kapasite verileri kullanılmış az sayıda çalışma mevcuttur. Bu çalışmada alan yazından farklı olarak, fiyatlar üzerindeki açıklayıcı etkilerinin analiz edilmesi için; diğer modellerde kullanılan verilerden farklı ve ilave olarak döviz kuru, emreamade kapasite miktarı, fiyattan bağımsız alış teklifi, gün öncesi piyasası işlem hacmi, elektrik yük talep miktarı, uzlaştırmaya esas veriş ve çekiş miktarları veri setine dahil edilmiştir. Elde edilen sonuçlar karşılaştırmalı olarak değerlendirilmiştir.
35