Sonuçların Değerlendirilmesi

ANFIS metodunda üyelik fonksiyonlarının sayısı ve çeşidi, 2009-2011 yılları arasındaki veriler eğitilerek bulunmuştur. 2012 yılı verileri ise test verileri olarak kabul edilmiştir. Böylece ANFIS metoduyla sadece 2012 yılı hata değerleri elde edilmiştir.

Çizelge 7.2.’de 2012 yılının bulanık mantık ve ANFIS’in MAPE hata değerleri gösterilmiştir. Şekil 7.2.’de ise Çizelge 7.2.’deki değerler grafik olarak gösterilmiştir. Çizelge ve şekilden anlaşılacağı üzere, ANFIS metodunun hata değerlerinin bulanık mantık metodunun hata değerlerine göre daha düşük olduğu görülmektedir. Resmi tatil günleri hariç 2012 yılının tüm günleri için ortalama mutlak yüzde hata değeri bulanık mantık ve ANFIS metotlarıyla sırasıyla 2.1 ve 1.85 olarak bulunmuştur.

8. SONUÇLAR VE ÖNERİLER

8.1. Sonuçlar

Elektrik yük tahmini çok uzun zamandan beri üzerinde çalışılan bir konudur. Bu konuda ilk zamanlarda istatistiksel yöntemler çoğunlukla kullanılırken, yapay zeka alanında yeni yöntemlerin ortaya çıkmasıyla yapay zeka sistemlerinin kullanımı ağırlık kazanmıştır.

Elektrik yük tahmini yapılmadan önce geçmiş yük verisinin analizi iyi yapılmalıdır. Geçmişe ait yük verisinin fazla olması iyi bir tahmin modelinin oluşturulmasında yardımcı olabilir. Her ülkenin, her ilin farklı yük karakteristikleri vardır. Örneğin Fransa’da elektrik tüketiminin en fazla olduğu mevsim kış iken Türkiye’de ise yaz mevsimidir. Öncelikle modelde kullanılacak verilerin neler olması gerektiği kararlaştırılmalıdır. Bundan sonra ise tahmin işleminde kullanılacak yönteme geçilir. Bütün yük profillerinde başarılı sonuçlar veren süper bir metot yoktur. Veriler çeşitli metotlarda denenerek en iyi sonucu veren metot kullanılmalıdır.

Günümüzde elektrik yük tahmininde hibrit metotlar da kullanılmaktadır. Çeşitli yapay zeka uygulamalarının birleşiminden oluşan ya da hem yapay zeka hem de istatiksel metotlardan oluşan hibrit metotlar kullanılmaktadır. Hatta yükün profili çıkarılarak yükün bir kısmı için bir yöntem, diğer bir kısmı için başka bir yöntem kullanımı da yapılmıştır.

Gün öncesi saatlik kısa dönem yük tahmini, Türkiye’de her gün elektrik dağıtım firmaları ve büyük yük tüketicileri tarafından yapılmakta ve bu tahminler PMUM’a gönderilmektedirler. Üreticilerde de aynı şekilde ertesi günün saatlik üretebilecekleri yük değerlerini saat bazlı fiyatlarını PMUM’a göndermektedirler. PMUM ise tüketim tahmin değerlerine bakarak, üreticilerin en ekonomik şekilde çalışmasını sağlayacak şekilde elektrik piyasasını yönetir. Dağıtım firmaları ve büyük tüketicilerin tahmin ettikleri yükten belirlenen sınır oranlarından daha az ya da daha çok yük tüketmeleri durumunda çeşitli yaptırımlarla karşı karşıya kalabilmektedirler. Bu bakımdan yük tahmininin doğruluğu hem dağıtım şirketlerini yaptırımlardan kurtarırken Türkiye’nin elektrik üretim-tüketim dengesinin korunmasında da önemli bir rol oynar.

Bu çalışmada Türkiye’nin 2009-2011 yıllarına ait elektrik tüketim ve sıcaklık verileri kullanılarak, 2012 yılının elektrik yük tahmini bulanık mantık ve ANFIS metotları kullanılarak gerçekleştirilmiştir.

Giriş olarak geçmiş elektrik yükü, sıcaklık farkı ve mevsim seçilmiştir. Türkiye’nin saatlik elektrik tüketim grafiğindeki günlük ritimlere bakılarak günler pazartesi, hafta içi, cumartesi, pazar ve tatil günleri olarak çeşitli gün tiplerine ayrılmışlardır. Bu çalışmada 2012 yılı için tatil günleri hariç bütün gün tipleri için tahmin yapılmıştır. Sıcaklık farkı tahmin edilecek günün sıcaklığından geçmiş sıcaklık değerinin çıkarılması ile bulunur. Türkiye’nin geniş bir yüz ölçümüne sahip olmasından dolayı bölgeler arasında sıcaklık farkları meydana gelmektedir. Sıcaklık değerlerinin tek bir noktadan alınması yerine elektrik tüketimin en fazla olduğu 5 noktanın sıcaklık değerlerinin ortalaması alınarak, Türkiye’nin sıcaklık değeri elde edilmiştir. Sıcaklık değişimine göre yükün tepkisi mevsimlere göre değişmektedir. Genel olarak sıcaklık artışı kış mevsiminde yük değerini azaltırken, yaz mevsiminde ise yük değerini artırmaktadır. Bu nedenle mevsim de bir giriş olarak seçilmiştir. Sıcaklık artışı aynı gün içinde farklı yük değerlerine farklı etkiler yapmaktadır. Örneğin yaz mevsiminde sıcaklık artışının olduğu bir gün için, sıcaklığın yüke etkisi saat 01:00 iken farklı, saat 12:00 iken farklı olacaktır. Bu gibi farklılıklar bulanık mantık kural tabanı çıkarılırken göz önüne alınmıştır.

2009-2011 arası veriler modellerinin oluşturulmasında kullanılırken, 2012 verileri ise gerçekleştirilen modellerin uygunluğunu test etmek amacıyla kullanılmıştır. Çizelge 8.1.’de 2012 yılı için tahmin hataları MAPE ve RMSE verilmiştir. Resmi tatil günleri hariç 2012 yılı için MAPE değerleri bulanık mantık metodunda 2.10 bulunurken, ANFIS metodunda ise 1.85 bulunmuştur.

Hata değerleri incelendiğinde ANFIS metodunun bulanık mantığa göre daha iyi sonuçlar verdiği görülebilir. Bunun nedeni ANFIS metodunun yapay sinir ağlarının öğrenme yeteneğiyle bulanık mantığın birleşiminden oluşmasıdır. Ayrıca hafta içi günlerin diğer günlere göre daha düşük hata değerine sahip olduğu görülebilir. Bu günlerin peşi sıra gelmesinden dolayı yük eğrisindeki eğilimin yakalanması kolaylaşmıştır. Sonuç olarak hata değerlerinin düşük olması modellemenin doğruluğunu göstermektedir.

Çizelge 8.1. 2012 yılı için ortalama tahmin hataları

8.2. Öneriler

Yük tahminindeki hataları azaltmak için çeşitli işlemlerde yapılabilir. Resmi tatil günlerinden özellikle dini ve milli bayram günlerinden bir gün önce ve bir gün sonra çekilen yükler değişiklikler göstermektedir. Bu günler farklı bir gün tipi olarak belirlenerek daha az hata oranına ulaşılabilir. Diğer bir öneri ise bazı çalışmalarda yapıldığı gibi gün tiplerini ayrıca mevsimlere göre ayırma şeklinde işlemler yapılabilir (Örneğin kış-pazartesi modeli). Böyle uygulamalar yapılırken hata oranları düşürebilirken, sistemin karmaşıklığı artarak ve sistemin modellenmesi zorlaşır.

Gelecek yıllarda Akıllı Şebeke kavramının uygulamaya daha fazla geçmesiyle birlikte, yük tahminleri artık şebekenin tümü için değil şebekenin tek bir noktası için belirli periyotlarda yapılacaktır. Günümüzde şebekenin tek bir noktası için yük tahminin yapıldığı çalışmalar da mevcuttur.

KAYNAKLAR

Aksel, F., 2000, Regresyon analizi ve yapay sinir ağı yöntemleri ile uzun dönem yük tahmini, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri

Enstitüsü, İstanbul, 10-11

Cancelo, J.R., Espasa, A. and Grafe, R., 2008, Forecasting the electricity load from one day to one week ahead for the Spanish system operator, Intelligent Journal of

Forecasting, 24, 588-602

Ceylan, G., 2004, Yapay sinir ağları ile kısa dönem yük tahmini, , Yüksek Lisans Tezi,

İstanbul Teknik Üniversitesi Fen bilimleri Enstitüsü, İstanbul, 7-11

Çilliyüz, Y., 2006, Yapay sinir ağları ile çevre koşulları etkili bölgesel yük tahmini, Yüksek Lisans Tezi, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Kocaeli, 10-11 Çomak, E., 2004, Destek Vektör Makineleri Çoklu Sınıf Problemleri İçin Çözüm

Önerileri, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya, 8-9

Dordonnat, V., Koopman, S.J., Ooms, M., Dessertaine, A. and Collet,J., 2008, An hourly periodic state space model for modelling French national electricity load,

Intelligent Journal of Forecasting, 24, 566-587

Demirel, Ö., 2009, ANFIS ve ARMA Modelleri ile Elektrik Enerjisi Yük Tahmini, Yüksek Lisans Tezi, Marmara Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, 49- 54

Elmas, Ç., 2003(a), Yapay Sinir Ağları, Seçkin Yayınları, Ankara, 22-45

Elmas, Ç., 2003(b), Bulanık Mantık Denetleyiciler, Seçkin Yayınları, Ankara, 24-30 EPDK, 2009, Elektrik Piyasası Dengeleme ve Uzlaştırma Yönetmeliği, Ankara

Erkmen, I. and Ozdogan, A., 1997, Short term load forecasting using genetically optimized neural network casceded with a modified kohonen clustering process,

12th IEEE International Symposium on Intelligent Control, Istanbul

Eşiyok, E., Hocaoğlu, A.T. ve Dumanlı, M., 1995, Güç sistemlerinde yapay sinir ağları ile yük tahmin analizi, Elektrik Mühendisliği 6. Ulusal Kongresi, Bursa, 69-72 Fan, S. and Hyndman, R.J., 2012, Short-Term load forecasting based on a semi-

parametric additive model, IEEE Transactions on Power Systems, 27, 134-141 Feinberg, E.A., 2005, Load forecasting, Power Electronics and Power Sysytems, 269-

Feng, L., He, J., Kong, Q., and Guo,L., 2006, Application of multi-objective algorithm based on particle swarm optimization in electrical short-term load forecasting,

International Conference on Power System Technology, Chongqing

Gürsoy, E., 2000, Yük tahmini yöntemleri ve Çukurova Elektrik A.Ş., Kepez Elektrik T.A.Ş. bölgelerine uygulanması, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi

Fen Bilimleri Enstitüsü, İstanbul, 6-7

Keleş, M.S., 2005, Elektrik enerjisi talep tahminleri ve Türkiye ekonomisine olan etkileri, Hazine Uzmanlık Tezi, Hazine Müsteşarlığı, Ankara, 2-3

Kenç, N., 1998, Yük tahmini ve Beyoğlu bölgesine uygulanması, Yüksek Lisans Tezi,

İstanbul Teknik Üniversitesi Fen bilimleri Enstitüsü, İstanbul, 14-16

Koo, B.G., Kim, M.S., Kim, K.H., Lee, H.T., Park, J.H. and Kim, C.H., 2013, Short- term electric load forecasting using data mining technique, Conference on

Intelligent Sysytems and Control, 7, 807-813

Mamlook, R., Badran, O. and Abdulhadi, E., 2009, A fuzzy inference model for short- term load forecasting, Energy Policy, 37, 1239-1248

Mıshra, S., 2008, Short Term Load Forecasting Using Computational Intelligence Methods, Master Thesis, Rourkela International Technology Institute, 4-5

Özdemir, D., 2011, Yapay sinir ağları ile Kocaeli ilinin puant yük tahmini, Yüksek Lisans Tezi, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, Kocaeli, 4-5

Pandian, S.C., Duraiswamy, K., Rajan, C.A. and Kanagaraj, N., 2006, Fuzzy approach for short term load forecasting, Electric Power Sysytem Research, 76, 541-548 Papadakis, S.E., Theocharis, J.B. and Bakirtzis, A.G., 2003, A load curve based fuzzy

modelling technique for short-term load forecasting, Fuzzy Sets and Systems, 135, 279-303

Shu, D., 2009, Short-term load forecasing using system-type neural network architecture, Master Thesis, Baylor University, 1-2

Soares, L.J., and Medeiros, M.C., 2008, Modelling and forecasting short-term electricty load: A comparision of methods with an application to Brazilian data,

International Journal of Forecasting, 24, 630-644

Soliman, S.A. and Al-Kandari, A.M., 2010, Electrical Load Forecasting, Elsevier, Burlington, 79-82

Souzanchi, Z., Fanaee, H., Yaghoubi, M. and Akbarzadeh, M., 2010, A multi adaptive neuro fuzzy inference system for short term load forecasting buy using previous day features, International Conference on Electronics and Information

Tan, E., 1997, Bulanık sinir ağı kullanarak kısa dönem yük tahmini, Yüksek Lisans Tezi, Ortadoğu Teknik Üniversitesi Fen Bilimleri Enstitüsü, , Ankara, 6-8

Toker, A.C. ve Korkmaz, O., 2011, Türkiye’nin kısa süreli elektrik talebinin saatlik olarak tahmin edilmesi, 17.Uluslararası Enerji ve Çevre Konferansı, İstanbul, 32- 35

Topalli, A.K. and Erkmen, I., 2003, A hybrid learning for neural networks applied to short term load forecasting, Neurocomputing, 51, 495-500

Topalli, A.K. and Erkmen, I., 2003, Four methods for short-term load forecasting using benefits of artifical intelligence, Electrical Engineering, 85, 229-233

Topallı, A.K., Erkmen, I. and Topalli, I., 2006, Intelligent short-term load forecasting in Turkey, Electrical Power & Energy Systems, 28, 437-447

Ünver, Ö. ve Gangam, H., 2008, Uygulamalı Temel İstatistik Yöntemler, Seçkin

Yayınları, Ankara, 285-330

Yalçınöz, T., Herdem, S. ve Eminoglu, U., 2002, Yapay sinir ağları ile Niğde bölgesinin elektrik yük tahmini, ELECO’2002, Bursa, 25-29

ÖZGEÇMİŞ KİŞİSEL BİLGİLER

Adı Soyadı : Hasan Hüseyin ÇEVİK

Uyruğu : T.C.

Doğum Yeri ve Tarihi : Konya, 25.06.1984

Telefon : 0505 545 53 00

e-mail : hasanhcevik@hotmail.com

EĞİTİM

Derece Adı, İlçe, İl Bitirme Yılı

Lise : Özel Enderun Fen Lisesi, Karatay, Konya 2002

Üniversite : Selçuk Üniversitesi, Selçuklu, Konya 2009

Yüksek Lisans: İŞ DENEYİMLERİ

Yıl Kurum Görevi

2010-2011 Meta A.Ş. Ag-Og Hat Bakım

Mühendisi

2011-….. Selçuk Üniversitesi, Teknoloji Fakültesi Araştırma Görevlisi

UZMANLIK ALANI

Elektrik tesisleri, Yük tahmini

YABANCI DİLLER