| dc.description.abstract | Electricity, known as static electricity from ancient times to 1880’s, take a indispensable place in human life especially down from it had been used as a lightening purpose. At the present time, there isn’ t any substitute goods with it. So, electricity is one of the most important ones daily life. İn the first periods of active using electricity, states undertook its production, transmision and distribution mechanism via establishing their institution. Particularly, while it was preferred electricity industry under the state monopoly in 1940’s, it was began to refuse this thought due to the inefficiency and deactivation in the industry in 1980’s. In this period, so that states had regulatory and supervisory position, in the electricity industry was began to regulate by reducing its authority. Primarily Chile, afterwards England, Nordic countries and many other countries regulated their industries in scope of liberalization. Therefore, electricity markets which is also involve private sector’s agent was established. In Turkey, liberalization of electricity market was began at the beginning of 2000’s. İn the aim of this master’ s thesis was designed as prediction and forecasting of electricity prices. In the scope of this thesis consist of Market Clearance Prices (MCP) which is defined as a result of making bid by market participant in Day Ahead Market. Artificial Neural Network, Support Vector Machine, Random Forest including among Machine Learning methods used for prediction and forecasting of the prices. On the other hands, MCP was tackled with six different models consist of named as Model 1, Model 2, Model 3, Model 4, Model 5 and Model 6. The method and model which is the best of prediction performance among aforementioned methods and models was used for forecasting electricity prices. As a result of the analysis, the best method and the best model to predict MCP is random forest and Model 6, respectively. From this point of wiew, twenty four hourly MCP was forecasted with Model 6. Therefore, forecasting results will give an idea (to market operator, market participant and individuals to study in this area) about prices and the methods using in this paper. | tr_TR |
| dc.description.ozet | Elektrik, tarih öncesi çağlardan beri varlığı bilinse de özellikle aydınlatma amacıyla kullanılmaya başlanmasıyla birlikte insan hayatında vazgeçilmez bir yer edinmiştir. Devletler, elektriğin üretim, iletim ve dağıtımını vatandaşlarına herhangi bir ayrım gözetmeksizin gerçekleştirme amacı içerisinde olmuşlar ve bu aşamaları sağlayacak kurumlar meydana getirmişlerdir. Elektrik endüstrisinde 1940’lı yıllarda elektriğin devlet tekelinde olması yeğlenirken 1980’li yılların hemen başlarında bu düşünce yadsınır hale gelmiştir. Böylece devletin rolünün azaltılması hedeflenerek denetleyici ve düzenleyici bir konumda olması için endüstride düzenlemeler yapılmaya başlanmıştır. Başta Şili olmak üzere, İngiltere, İskandinav ülkeleri ve daha birçok ülke elektrik piyasasında düzenlemeye giderek özel kesimin piyasada etkin olmasını sağlamaya çalışmıştır. Türkiye’ de ise serbestleşme çalışmaları milenyumun ilk yıllarında başlamıştır. Bu tez çalışmasının amacı elektrik fiyatlarının tahmin edilmesi ve öngörülmeye çalışılması olarak belirlenmiştir. Çalışmanın kapsamını, Türkiye’ de faaliyet gösteren elektrik piyasalarından biri olan Gün Öncesi Piyasasında işlem gören Piyasa Takas Fiyatı (PTF)’nın tahmin edilmesi oluşturmaktadır. Tahmin yöntemi olarak, makine öğrenmesi yöntemlerinden Yapay Sinir Ağları, Destek Vektör Makineleri ve Rastgele Orman Yöntemi kullanılmıştır. Bu amaçla, uygulamada kullanılan girdiler ve yöntemlerle birlikte altı farklı model kurulmuş olup PTF’ nin en iyi tahmini Model 6 ile elde edilmiştir. En iyi tahmin eden yöntem ise Rastgele Orman Yöntemi olmuştur. Böylelikle, Model 6 ile PTF’ nin 24 saatlik öngörüsü gerçekleştirilmiş ve sonuçlar özetlenmiştir. | tr_TR |
