Hassasiyet ve gerekçelendirme ilkelerine dayalı aralık modelleri kullanılarak elektrik yük tahmini

Günlük elektrik kullanımı için bunun önemi

Işıkları açık tutmak hassas bir denge işidir. Enerji şirketlerinin her zaman talebi karşılayacak kadar elektriği hazırda bulundurması gerekir, fakat yakıt ve para israfını da önlemelidir. Bu çalışma, özellikle aylar ve yıllar gibi daha uzun vadede bir bölgenin ne kadar elektrik gerekeceğini tahmin etmenin yeni bir yolunu araştırıyor ve aynı zamanda bu tahminlerin ne kadar belirsiz olduğunu dürüstçe gösteriyor. Bu, güvenilir, uygun maliyetli ve giderek daha düşük karbonlu bir enerji sistemine güvenen herkes için önemlidir.

Tek sayı tahminlerden güvenli aralıklara

Çoğu geleneksel tahmin aracı gelecekteki elektrik talebi için “şebeke yarın saat 18:00’de 5.000 megavat gerekecek” gibi tek bir sayı verir. Bu nokta tahminleri yakın gelecekte oldukça isabetli olabilir, ancak hava koşulları, ekonomik büyüme ve elektrikli araç şarjı gibi değişen alışkanlıkların etkisiyle daha ileriye bakıldıkça sarsılır. Makine öğrenimi ve derin öğrenme kullanan daha yeni yöntemler doğruluğu artırmış olsa da, genellikle hâlâ tek bir “en iyi tahmin” verirler ve belirsizliği işletmeciler ve düzenleyiciler için yorumlaması zor karmaşık olasılık varsayımlarının arkasına gizlerler.

Noktalar yerine parçalar halinde düşünmek

Yazarlar farklı bir zihniyet öneriyor: tek bir sayaya bahis yapmak yerine, gerçek talebin muhtemel olarak düşeceği güvenli aralıkları tahmin etmek. Bu aralıkları oluşturmak için verileri izole noktalar olarak değil, anlamlı parçalar ya da granüller halinde ele alan "granüler hesaplama" fikrini kullanıyorlar. Elektrik talebi için her granül, yükün ne kadar değişebileceğini yakalayan merkezî bir değerin (örneğin günlük ya da haftalık medyan yük) etrafındaki bir aralıktır. Bu tür granüllerle çalışmak rastgele gürültüyü düzleştirir, günler, haftalar ve aylar boyunca desenleri daha belirgin hale getirir ve geleceğin ne kadar belirsiz olduğuna dair daha gerçekçi bir resim sunar.

Yeterince geniş ama yeterince keskin olma arasındaki denge

Ana zorluk, her aralığın ne kadar geniş olması gerektiğine karar vermektir. Çok genişse gerçek talebi neredeyse her zaman içine alır ama belirsiz olduğu için planlama için kullanışsız olur. Çok dar ise gerçek değerleri kaçırabilir ve yanlış bir kesinlik hissi verebilir. Araştırmacılar bunu iki basit ölçü tanımlayarak ele alıyor: bir aralığın içine düşen gerçek değerlerin payını gösteren “kapsama” ve o aralığın ne kadar dar ve bilgilendirici olduğunu ölçen “özgüllük”. Bunları gerekçelendirme indeksi adlı tek bir puanda birleştiriyorlar. Yöntem, bu puanı maksimize eden aralıkları arıyor ve her şeyi açıklayan ama hiçbir şey söylemeyen ya da çok sıkı olup fazla gerçek veriyi kaçıran uç aralıkları otomatik olarak reddediyor.

Gerçek bir şebeke üzerinde fikri test etmek

Bu yaklaşımın pratikte ne kadar iyi çalıştığını görmek için ekip, Umman’ın ana elektrik şebekesinden 2020–2023 yılları arasında 30 dakikalık aralıklarla ölçülmüş dört yıllık veriyi kullandı. Aralıkları 2020–2022 verileriyle kurup ayarladılar, sonra 2023’teki görülmemiş yüklerin bu aralıklar tarafından ne ölçüde kapsandığını kontrol ettiler. Günlük, haftalık ve aylık aralıklar oluşturdular ve bunları regresyon modelleri, karar ağaçları, derin öğrenme ağları ve kantil regresyonu ve konformal tahmin gibi olasılıksal yöntemler gibi tanıdık araçlarla karşılaştırdılar. "Örtüşme" ölçütünü kullanarak, öngörülen aralıkların 2023 verilerinden doğrudan inşa edilen aralıklarla ne kadar yakın eşleştiğini değerlendirdiler. Sonuçlar, günlükten haftalık ve aylık granüllere geçtikçe aralıkların daha kararlı, gerçeklikle daha iyi uyumlu ve yorumlaması daha kolay hale geldiğini gösterdi.

Yeni aralıkların şebeke hakkında ortaya koydukları

Analiz birkaç pratik içgörü ortaya çıkardı. Birincisi, haftalar ve aylar gibi daha uzun dönemlerde veriyi toplamanın tahminlerin güvenilirliğini önemli ölçüde artırdığı; çünkü günlük dalgalanmalar birbirini dengeliyor. İkincisi, optimize edilmiş aralıklar birden fazla yıl boyunca gerçek talep ile açık ve tutarlı bir eşleşme sundu; bu da yöntemin belirli bir yıla fazla uyum sağlamak yerine genelleştiğini gösteriyor. Üçüncüsü, incelenen sistemde hafta içi ve hafta sonu talebi şaşırtıcı derecede benzer çıktı; bu da her biri için ayrı modellerin gerekli olmadığını ima ediyor. Diğer aralık tabanlı tahmin yöntemleriyle karşılaştırıldığında, gerekçelendirilebilir-granül yaklaşımı makul sıkılıkta aralıklar korurken rekabetçi kapsama sağladı ve veriler için herhangi bir belirli istatistiksel dağılım varsayımı gerektirmedi.

Şebekeyi güvenilir tutmaya nasıl yardımcı olur

Uzman olmayanlar için temel sonuç basit: belirsizliği gizlemek yerine, bu yöntem onu görünür ve kullanılabilir kılıyor. Şebeke işletmecileri üretim, rezervler ve bakım planlamasını tek bir kırılgan sayıya göre değil, muhtemel gelecek talebin gerçekçi bir bandına göre yapabilirler. Alt sınır, ne kadar kapasiteyi güvenle azaltabileceklerini söylerken; üst sınır, sıcak günler, ekonomik dalgalanmalar veya diğer sürprizler için ne kadar yedek hazır tutmaları gerektiğini gösterir. Belirsizliği şeffaf, veri odaklı bir şekilde ifade ederek, bu aralık tahminleri daha dayanıklı, maliyet‑etkin ve nihayetinde daha sürdürülebilir enerji sistemlerini destekler.

Atıf: Al-Hmouz, R., Mansouri, M., Al-Badi, A. et al. Electric-load forecasting using interval models based on granularity and justifiable principles. Sci Rep 16, 7722 (2026). https://doi.org/10.1038/s41598-026-39571-8

Anahtar kelimeler: elektrik yük tahmini, belirsizlik aralıkları, granüler hesaplama, şebeke planlaması, enerji zaman serileri