PORTEKİZ GÜN ÖNCESİ ELEKTRİK FİYATLARININ DERİN ÖĞRENME YÖNTEMİYLE TAHMİNİ: ZAMAN SERİLERİ İÇİN SİNİRSEL TEMEL GENİŞLEME ANALİZİ MODELİ

OpenAlex · Turkish

Elektrik piyasalarında fiyat tahmini, arz-talep dengesinin sağlanması ve piyasa katılımcılarının stratejik kararlar alabilmesi açısından kritik bir rol oynamaktadır. Gün öncesi piyasalarda fiyat dalgalanmalarının doğru tahmini, enerji ticareti ve planlama süreçlerinde önemli avantajlar sunmaktadır. Bu bağlamda, derin öğrenme tabanlı modeller, fiyat tahmini açısından büyük önem taşımaktadır. Bu çalışmada, Portekiz gün öncesi elektrik piyasasında piyasa takas fiyatı tahmini için Yenilemeli Sinir Ağı (Recurrent Neural Network, RNN), Uzun-Kısa Süreli Bellek (Long Short-Term Memory - LSTM), Kapılı Tekrarlayan Birim (Gated Recurrent Unit - GRU) ve Sinirsel Taban Genişletme Analizi (Neural Basis Expansion Analysis for Time Series - N-BEATS) modelleri kullanılmıştır. Modellerin eğitimi ve test edilmesi sürecinde, Portekiz gün öncesi elektrik piyasasından alınan gerçek piyasa verileri kullanılmış ve tahminler yedi günlük fiyat serisi üzerinden değerlendirilmiştir. Model performansları, Ortalama Kare Hatası (Mean Squared Error - MSE), Kök Ortalama Kare Hatası (Root Mean Squared Error - RMSE) ve Ortalama Mutlak Hata (Mean Absolute Error - MAE) metrikleri ile ölçülmüştür. Elde edilen sonuçlar, N-BEATS modelinin en iyi performansı sergilediğini göstermektedir. Bu model, MSE: 955,16 RMSE: 28.19 ve MAE: 24.06 değerleriyle diğer modellere üstünlük sağladığından gün öncesi piyasalarda fiyat tahmini için güçlü bir alternatiftir.