Artificial Neural Networks with Turkey Interconnected System for Day Ahead Market Transmission Lines Estimated Losses

Year 2020, Volume: 12 Issue: 2, 549 - 564, 30.06.2020

Ali Dursun İbrahim Eke Süleyman Sungur Tezcan

https://doi.org/10.29137/umagd.600962

Abstract

Today, the cost of energy losses is very important because of the negative
effects on the national economies. Transmission system losses are not desirable
but cannot be reset. In this context, our country’s interconnected transmission
system that occurred energy losses, balancing on March 28, 2015 and Settlement
Regulation (BSR). What added in accordance with the provisions of the Temporary
Article 27, Turkey Electricity Transmission Company (TEIAS) is left to the
liability. Since the mentioned date, TEİAŞ has made its predictions as a market
participant in the day ahead market operated by Energy Markets Operation
Company (EPİAŞ) and has been obliged to purchase these amounts from the market
before the actual data appear. The average resource allocated by TEAIS for the
transmission system losses from the income ceiling is 1 500 000 000 TL.  It allocates a significant portion of this
resource to forecast errors for the day ahead market. In this study, it is
aimed to reduce the amount paid by making transmission system loss estimates in
the most accurate way and to contribute to the national economy especially in
TEİAŞ. In this context, priority has been described as the interconnected
transmission system losses and Turkey electricity market, are given information
about artificial neural networks.  Finally,
in order to provide the data required, originally made software, Turkey
Interconnected Transmission Forecast program is described and the estimates
made by means of artificial neural networks were compared on an hourly basis
with the actual transmission losses. If TEIAS uses this study in transmission
system loss estimations, it is foreseen to reduce the amount and the amount of
energy imbalance.

Keywords

Transmission system loss, day ahead market

Gün Öncesi Piyasasi için Yapay Sinir Ağlari ile Türkiye Enterkonnekte Sistemi İletim Hatlari Kayiplarinin Tahmini

Abstract

Günümüzde ülke ekonomilerine olumsuz
etkileri nedeniyle enerji kayıplarının maliyeti oldukça önem arz etmektedir.
İletim sistemi kayıpları istenilen bir durum olmamakla beraber sıfırlanması da
mümkün değildir. Bu kapsamda, ülkemiz enterkonnekte iletim sisteminde meydana
gelen enerji kayıpları,  28 Mart 2015
tarihinde Dengeleme ve Uzlaştırma Yönetmeliği(DUY)’ne eklenen geçici 27. madde
hükümleri doğrultusunda, Türkiye Elektrik İletim Anonim Şirketi(TEİAŞ)
yükümlülüğüne bırakılmıştır. Söz konusu tarihten itibaren Enerji Piyasaları
İşletme Anonim Şirketi(EPİAŞ) tarafından işletilen gün öncesi piyasasında TEİAŞ
piyasa katılımcısı olarak ön görülerini yapıp, gerçekleşen veriler ortaya
çıkmadan önce bu miktarları piyasadan satın almakla yükümlü hale getirilmiştir.
TEAİŞ’ın iletim sistemi kayıpları için gelir tavanından ayırdığı kaynak
ortalama 1.500.000.000 TL, dir. Bu kaynağın, 150.000.000 TL’lik kısmını ise gün
öncesi piyasası için yapılan tahmin hatalarına ayırmaktadır. Bu çalışmada,
iletim sistemi kayıp tahminlerinin en doğru şekilde yapılarak ödenen tutarın
azaltılması ve TEİAŞ özelinde ülke ekonomisine katkı sağlanması amaçlanmıştır.
Bu kapsamda, öncelikli olarak enterkonnekte iletim sistemi kayıpları ve Türkiye
elektrik piyasası anlatılmış, yapay sinir ağları hakkında bilgi verilmiştir.
Son olarak, gerekli olan verilerin sağlaması amacıyla, özgün olarak yazılımı
yapılan, Türkiye Enterkonnekte İletim Kaybı Tahmin programı olarak adlandırılan
yazılım programı anlatılmış ve yapay sinir ağları aracılığıyla yapılan
tahminler, gerçekleşen iletim kayıpları ile saatlik olarak kıyaslanmıştır.
Çalışmanın, TEİAŞ tarafından iletim sistemi kayıp tahminlerinde kullanması
durumunda, enerji dengesizlik miktarının ve tutarının azalması öngörülmektedir.

Keywords

Gün Öncesi Piyasası, İletim Sistemi Kaybı, TEİAŞ

References

• Ban J.C., Chang C.H., (2015), Realization problem of multi-layer cellular neural networks, Neural Networks, 70, 9-17, doi: 10.1016/j.neunet.2015.06.003
• Bassani H.F., Araujo A.F.R., (2019), A neural network architecture for learning word–referent associations in multiple contexts, Neural Networks, 117, 249-267, doi: 10.1016/j.neunet.2019.05.017
• Es H. , (2013). Yapay Sinir Ağları ile Türkiye Net Enerji Talebi, Yüksek Lisans Tezi, Gazi Fen Bilimleri Enstitüsü
• Hamzaçelebi C., (2011). Yapay Sinir Ağları Tahmin Amaçlı Kullanımı Matlab ve Neurosolutions Uygulamalı. Bursa: Ekin Kitabevi Yayınları,
• Sarıgül M., Ozyildirim B.M., Avci M., (2019), Differential convolutional neural network, 116, 279-287, doi: 10.1016/j.neunet.2019.04.025
• Şen Z., (2004) Yapay sinir ağları ilkeleri. İstanbul: Su Vakfı
• Yıldız İ., Tiana P., Dy J., Erdoğmuş D., Brown J., Kalpathy-Cramer J., Ostmo S., Campbell P., Chiang M.F., Ioannidis S., (2019), Classification and comparison via neural networks, Neural Networks, 118, 65-80, doi: 10.1016/j.neunet.2019.06.004
• Türkiye Elektrik İletim Anonim Şirketi.(2018). 2017 Yılı Faaliyet Raporu. ANKARA: Türkiye Elektrik İletim Anonim Şirketi.
• https://www.resmigazete.gov.tr/eskiler/2009/04/20090414-48.htm
• https://seffaflik.epias.com.tr/transparency/iletim/kisitlar/iletim-sistemi-kayip-katsayisi.xhtml
• https://www.dunyaenerji.org.tr/wp-content/uploads/2018/07/MustafaYARICIGOP.pdf