EPİAŞ
Dashboard

VizyonVision

Gerçek bir veri kaynağıyla çalışan, sunucuda canlı yayında kalan ve EPİAŞ'ın kendi resmi yük tahminini geçebilen, ondan tamamen bağımsız bir makine öğrenmesi tahmin modeli kurmak.

Building a fully independent machine learning forecasting model that works with a real data source, stays live on a server, and outperforms EPİAŞ's official load forecast.

Geliştirme SüreciDevelopment

Proje, SQLite veritabanı, saatlik güncellenen bir Python veri pipeline'ı, FastAPI ile sunulan REST API ve Vite/React frontend kullanılarak geliştirildi. Geriye dönük tahmin üretimi yerine canlı test süreçleriyle "bilgi sızıntısı" (leakage) önlendi ve tatiller için özel bir profil eşleme mekanizması kullanıldı.

The project was built using an SQLite database, an hourly updated Python data pipeline, a REST API served with FastAPI, and a Vite/React frontend. Leakage was prevented through live testing rather than backfill generation, and a special profile matching mechanism was used for holidays.

SonuçResult

Tüm tatil ve hafta sonu segmentlerinde de dâhil olmak üzere, resmi tahminlere hiçbir girdi vermeden, resmi tahmini geçen (2.19 genel MAPE oranına sahip) bağımsız bir tahmin sistemi ortaya çıktı.

The result is an independent forecasting system (with an overall MAPE of 2.19) that outperforms the official forecast in all holiday and weekend segments, without any input from official forecasts.