Türkiye elektrik enerjisi talebinin yapay sinir ağları modeli ile tahmini

Abstract

Ülkelerin muasır medeniyetler seviyesine ulaşabilmesinin temel unsuru sanayidir. Sanayinin en büyük girdilerinden biri ise enerjidir. Sanayileşme yarışında bir adım öteye gidebilmek için ulusların uzun dönemli ve geniş perspektifli politikalar üretmesi gerekmektedir. Dünyada sık sık gündeme gelen enerji krizleri de bu politikaların daha akılcı ve hassas yapılması gerektiğinin kanıtıdır.Elektrik tahmini hem sistem yönetimi hem de finansal işlemler açısından önemlidir. Kısa süreli elektrik talebi için yeterli miktarda arz olmadığında bölgesel bazlı kesintiler yaşanır. Arzın talepten fazla olduğu durumda ise santral işletmeleri liberal ekonomik koşullarda zarar edebilmektedir. Tüketicilere enerjiyi ekonomik, güvenilir ve sürekli sunabilecek şekilde tahminlemek arz ve talep dengesi sağlar. Elektrik borsasında işlem gören finansal kuruluşlar bu ekonominin içinde günlük ve gelecekteki zamanlara yönelik fiyatlarda spekülasyon yapabilmektedir. Operasyon birimlerinin karlılığı fiyatların da isabetli tahminine bağlıdır.Türkiye elektrik enerjisi talebinin incelendiği bu çalışmada, 1960-2016 yılları arasında elektrik tüketiminin belirleyici verileriyle bir model öngörüsünde bulunarak 2017 yılı elektrik tüketimini tahminlemek amaçlanmıştır. Çalışmanın özgün yanı, modele daha yüksek açıklayıcılık sağlayacak tek bir parametre ile tahmin çalışması yapmaktansa, başarılı ilişki sağlayacak birçok değişkenin modelde çalışmaya dâhil edilmesidir. Böylece bu çalışma sayesinde, elektrik tüketimini etkileyecek değişkenleri tespit ederken tahmin performansında nasıl bir sonuç yarattığı görülecektir.Çalışmanın giriş bölümünde elektrik enerjisi piyasası hakkında açıklama yapılmış, istatistiksel tahmin yöntemleri detaylandırılarak yapay sinir ağları kavramı açıklanmıştır. Uzun dönemleri kapsayan talep projeksiyonunda tahmin modeli için; kişi başına düşen GSMH, tüketici fiyat endeksi, ithalat, ihracat, şehir nüfusu, geniş kapsamlı para miktarı, sanayinin GSMH içindeki yeri, elektrik kurulu gücü ve motorlu taşıt sayısı değişkenleri girdi kabul edilerek yapay sinir ağları yöntemi uygulanmıştır. Uygulama sonucunda yapay sinir ağı yönteminin etkili bir talep tahmin yöntemi olduğu gösterilmiştir.Anahtar Kelimeler: Elektrik Enerjisi, Yapay Sinir Ağları, Talep Tahmini

Industry is the main element of reaching the level of modern civilization. One of the biggest inputs of industry is energy. In order to go one step further in the industrialization race, nations must produce long-termand broad-based policies. The energy crises that are frequently discussed in the world are prof that these policiess hould be made more rational and sensitive.Electricity forecasting is important both in terms of system management and financial transactions. When there is not enough supply for short-term electricity demand, there are regional disruptions. Incases where supply is more than demand, plant enterprises may suffer in liberal economic conditions. Estimating the energy in an economical, reliable and continuous way provides consumers with a balance of supply and demand. Financial institution straded on the electricity exchange can speculate on prices for daily and future times within this economy. The profitability of the operation units depends on the accurate estimation of the prices.Turkey in the study of electricity demand in 2017 by filing a model prediction with decisive power consumption of the data between the years 1960-2016 aimed to forecasting electricity consumption. The original aspect of the study is that many variables that will provide a successful relationship are included in the model rather than estimating with a single parameter that will provide higher explanatory value to the model. Thus, this study will show how the estimation performance results when determining the variables that will affect the electricity consumption.In the introduction part of the study, an explanation was made about the electric energy market, and the concept of artificial neural networks was explained by detailed statistical estimation methods. For the forecasting model in demand projection covering long periods; per capita GNP, consumer price index, import, export, urban population, broad money, the place of industry in GNP, electricity installed power and number of motor vehicles were accepted as inputs. As a result of the application, it has been shown that artificial neural network method is an effective demand estimation method.Keywords: Electrical Energy, Artificial Neural Networks, Demand Forecastin