Meteorolojik parametreler ile doğalgaz talep tahmini için metasezgisel optimizasyon algoritmalarının karşılaştırmalı analizi

Abstract

Doğalgaz talebinin tahmin edilmesi, sanayi sektörü, enerji kaynakları yönetimi ve özellikle enerji tüketimi yüksek ülke ekonomileri için büyük önem taşımaktadır. Doğalgaz tüketim talebinin tahmin edilmesi karar vericiler ve yöneticiler tarafından alınacak kararlarda gelecekte başarılı yatırımlar yapmak için önem arz etmektedir. Bu çalışmada, Türkiye'nin doğalgaz talebinin tahmini için dört farklı metasezgisel algoritma kullanılmıştır. Araştırmamızda Diferansiyel Evrim Algoritması (DEA), Parçacık Sürüsü Arama Optimizasyonu Algoritması (PSO), Yerçekimi Arama Algoritması (GSA) ve Geri İzleme Arama Optimizasyonu Algoritması (BSO) performanslarına göre karşılaştırılmıştır. Modellerin performansları daha sonra altı farklı global hata ölçüm yaklaşımı ile değerlendirilmiştir. Karşılaştırılan optimizasyon modellerinde normalize edilmiş meteorolojik veriler (ortalama sıcaklık, basınç, nem, rüzgâr ve yağış) girdi parametreleri olarak kullanılmıştır. 2010-2017 yılları arasındaki aylık (96 ay) veriler eğitim verileri olarak değerlendirilirken, 2018-2020 yılları arasındaki aylık (36 ay) veriler ise test verisi olarak belirlenmiştir. Araştırmada doğrusal (linear), üstel (exponantial) ve ikinci dereceden (quadratic) olmak üzere üç matematiksel model kullanılmıştır. Elde edilen bulgulara göre gerçek doğalgaz tüketimi verilerini eğitim verileri için dört farklı algoritma içinde her üç modelde de (lineer, exponential, quadratic) en başarılı şekilde tahmin eden model DEA algoritmasının ikinci dereceden matematiksel modelidir. Test verileri için ise dört farklı algoritma içinde her üç modelde de en başarılı şekilde tahmin eden model PSO algoritmasının ikinci dereceden matematiksel modelidir.

Forecasting natural gas demand is of great importance for the industrial sector, energy resources management, and especially for countries with high energy consumption. Estimating the natural gas consumption demand is important for making successful investments in the future in the decisions to be taken by decision-makers and managers. In this study, four different metaheuristic algorithms are used to estimate Turkey's natural gas demand. In our research, Differential Evolution Algorithm (DEA), Particle Swarm Search Optimization Algorithm (PSO), Gravity Search Algorithm (GSA), and Backtracking Search Optimization Algorithm (BSO) were compared according to their performance. The performances of the models were then evaluated with six different global error measurement approaches. Normalized meteorological data (average temperature, pressure, humidity, wind, and precipitation) were used as input parameters in the compared optimization models. Monthly (96 months) data between 2010-2017 were used as training data, and monthly (36 months) data between 2018-2020 were used as test data. Three mathematical models were used in the research: linear, exponential, and quadratic. According to the findings, the model that predicts real natural gas consumption data in all three models (linear, exponential, quadratic) among four different algorithms for training data is the second-order mathematical model of the DEA algorithm. For the test data, the model that predicts the most success in all three models among four different algorithms is the second-order mathematical model of the PSO algorithm.