Metasezgisel algoritmalar tabanlı enerji talep optimizasyonu

Abstract

Bu tezde 2030 yılına kadar olan sürede Türkiyenin elektrik enerjisi talep tahmini yapılmaya çalışılmıştır. Bu tahmin, genetik algoritma, yapay arı kolonisi algoritması ve parçacık sürü optimizasyon algoritması yaklaşımı kullanılarak yapılmıştır. Her üç metot için de lineer ve karesel olmak üzere iki model geliştirilmiştir. Tahmin çalışmamıza esas teşkil etmek üzere geçmiş yıllardan günümüze kadar Türkiye İstatistik Kurumu tarafından tutulan ekonomik veriler ve nüfus değerleri alınmıştır. Nüfus, Gayrı Safi Yurtiçi Hasıla, ithalat ve ihracat verileri ile enerji tüketimi arasındaki ilişki yukarıda bahsi geçen algoritmalar ile belirlenmiştir. 1981 yılından 2011 yılına kadar olan verileri enerji talep tahmin modellerimizi oluşturmak için kullanılıp, 2003 yılından 2012 yılına kadar olan verileri ise elde ettiğimiz modelleri doğrulamak için kullanılmıştır. 2012 yılından 2030 yılına kadar olan ekonomik veriler ve nüfus değerleri ise 3 farklı senaryoya göre tahmin edilmiştir. Üretilen modeller incelendiğinde bulunan değerler, Türkiye'nin 2030 yılına kadar olan sürede ihtiyaç duyacağı elektrik enerjisinin tahmininde bulunmak için oldukça uygun olduğunu göstermiştir.Anahtar Kelimeler: Enerji talep tahmini, Genetik algoritma, Yapay arı kolonisi algoritması, Parçacık sürü algoritması

In this thesis, it was attempted to make a forecast of Turkey's electricity demand until 2030. This forecast has been made using the Algorithms of Genetic, Artificial Bee Colony and Particle Swarm Optimization. Two models were developed – linear and square – for each method. As the basis of our study, the financial data that was had been kept by the Turkish Statistical Institution over a long period of time as well as the population values were used. The relationship between energy consumption and population, gross domestic product, import and export data was identified using the algorithms mentioned above. The data from 1981 to 2011 was used in order to create our forecast model for energy demand while the data from 2003 to 2012 was used to verify the models we obtained. The financial data and population between 2012 up to 2013 was forecasted using time series analysis method. When the results of the created models were examined, findings showed that the models are appropriate in terms of forecasting the electricity demand of Turkey until 2030.Keywords: Energy demand estimation, Genetic Algorithm, Artificial Bee Colony Algorithm, Particle Swarm Algorithm