Türkiye’nin enerji talebinin tahmin edilmesi üzerine girdap arama algoritması temelli yeni bir model

Yıl 2020, Cilt: 26 Sayı: 5, 959 - 965, 23.10.2020

Ahmet Özkış

Öz

Bu çalışmada, Türkiye’nin enerji talebini tahmin etmek amacıyla Girdap Arama (Vortex Search, VS) algoritması temelli yeni bir doğrusal regresyon modeli geliştirilmiştir. Modelde Türkiye’deki gayri safi yurtiçi hâsıla (GSYİH), nüfus, ithalat ve ihracat verileri girdi parametrelerini; ortaya çıkan enerji talebi ise tahmin edilecek çıktıyı ifade etmektedir. 1979-2005 ve 1979-2011 yılları arasındaki veriler kullanılarak geliştirilen iki farklı tahmin modeli literatürdeki benzer çalışmalarla karşılaştırılmıştır. Elde edilen sonuçlar, geliştirilen VS modellerinin karşılaştırma yapılan modellerden daha başarılı veya rekabetçi sonuçlar elde ettiğini göstermiştir. Çalışmada son olarak, Türkiye’nin 2030 yılına kadar talep edeceği enerji miktarı, VS ve diğer modeller ile 3 farklı senaryo üzerinden tahmin edilmiştir.

Anahtar Kelimeler

Enerji talebi, Girdap arama algoritması, Regresyon analizi, Tahmin, Türkiye

Kaynakça

• [1] Biçer A. Enerji Talep Tahminine Yönelik Program Geliştirme ve Bir Bölge için Uygulaması. Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi, Afyonkarahisar, Türkiye, 2018.
• [2] Ünler A. “Improvement of energy demand forecasts using swarm intelligence: The case of Turkey with projections to 2025”. Energy Policy, 36, 1937-1944, 2008.
• [3] Erdogdu E. “Electricity demand analysis using cointegration and ARIMA modelling: A case study of Turkey”. Energy Policy, 35 1129-1146, 2007.
• [4] Koç İ, Nureddin R, Kahramanlı H. “Türkiye'de enerji talebini tahmin etmek için doğrusal form kullanarak GSA (Yerçekimi Arama Algoritmasi) ve IWO (Yabani Ot Optimizasyon Algoritmasi) tekniklerinin uygulanması”. Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, 6, 529-543, 2018.
• [5] Ediger VŞ, Tatlıdil H. “Forecasting the primary energy demand in Turkey and analysis of cyclic patterns”. Energy Conversion and Management, 43, 473-487, 2002.
• [6] Yumurtaci Z, Asmaz E. “Electric energy demand of Turkey for the year 2050”. Energy Sources, 26, 1157-1164, 2004.
• [7] Ediger VŞ, Akar S, “ARIMA forecasting of primary energy demand by fuel in Turkey”. Energy Policy, 35, 1701-1708, 2007.
• [8] Kankal M, Akpınar A, Kömürcü Mİ, Özşahin TŞ. “Modeling and forecasting of Turkey’s energy consumption using socio-economic and demographic variables”. Applied Energy, 88, 1927-1939, 2011.
• [9] Dilaver Z, Hunt LC. “Industrial electricity demand for Turkey: A structural time series analysis”. Energy Economics, 33, 426-436, 2011.
• [10] Sözen A, Arcaklioğlu E, Özkaymak M. “Turkey’s net energy consumption”. Applied Energy, 81, 209-221, 2005.
• [11] Es HA, Kalender FY, Hamzacebi C. “Forecasting the net energy demand of Turkey by artificial neural networks”. Journal of the Faculty of Engineering and Architecture of Gazi University, 29, 495-504, 2014.
• [12] Elmacı E. Metasezgisel Algoritmalar Tabanlı Enerji Talep Optimizasyonu. Yüksek Lisans Tezi, Kahramanmaraş Sütçü Imam Üniversitesi, Kahramanmaraş, Türkiye, 2014.
• [13] Ozturk HK, Ceylan H, Canyurt OE, Hepbasli A. “Electricity estimation using genetic algorithm approach: a case study of Turkey”. Energy, 30, 1003-1012, 2005.
• [14] Toksarı MD. “Ant colony optimization approach to estimate energy demand of Turkey”. Energy Policy, 35, 3984-3990, 2007.
• [15] Ceylan H, Ceylan H, Haldenbilen S, Baskan O. “Transport energy modeling with meta-heuristic harmony search algorithm, an application to Turkey”. Energy Policy, 36, 2527-2535, 2008.
• [16] Kıran MS, Özceylan E, Gündüz M, Paksoy T. “A novel hybrid approach based on particle swarm optimization and ant colony algorithm to forecast energy demand of Turkey”. Energy Conversion and Management, 53, 75-83, 2012.
• [17] Uguz H, Hakli H, Baykan ÖK. “A new algorithm based on artificial bee colony algorithm for energy demand forecasting in Turkey”. Advanced Computer Science Applications and Technologies (ACSAT), Kuala Lumpur, Malaysia, 8-10 December 2015.
• [18] Beskirli M, Hakli H, Kodaz H. “The energy demand estimation for Turkey using differential evolution algorithm”. Sādhanā, 42, 1705-1715, 2017.
• [19] Doğan B, Ölmez T. “A new metaheuristic for numerical function optimization: Vortex Search algorithm”. Information Sciences, 293, 125-145, 2015.
• [20] Doğan B, Ölmez T. “Vortex search algorithm for the analog active filter component selection problem”. AEU-International Journal of Electronics and Communications, 69, 1243-1253, 2015.
• [21] Aydin O, Tezcan SS, Eke I, Taplamacioglu MC. “Solving the optimal power flow quadratic cost functions using vortex search algorithm”. IFAC-PapersOnLine, 50, 239-244, 2017.
• [22] Li X, Niu P, Liu J. “Combustion optimization of a boiler based on the chaos and Lévy flight vortex search algorithm”. Applied Mathematical Modelling, 58, 3-18, 2018.
• [23] Ali W, Qyyum MA, Qadeer K, Lee M. “Energy optimization for single mixed refrigerant natural gas liquefaction process using the metaheuristic vortex search algorithm”. Applied Thermal Engineering, 129, 782-791, 2018.
• [24] Toz M. “Chaos-based Vortex Search algorithm for solving inverse kinematics problem of serial robot manipulators with offset wrist”. Applied Soft Computing, 89, 1-22, 2020.
• [25] Fathy A, Elaziz MA, Alharbi AG. “A novel approach based on hybrid vortex search algorithm and differential evolution for identifying the optimal parameters of PEM fuel cell”. Renewable Energy, 146, 1833-1845, 2020.