Araştırma Makalesi
BibTex RIS Kaynak Göster

Estimation of Electricity Production Potential in Turkey from Different Sources Using Artificial Neural Network (ANN)

Yıl 2021, Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special, 304 - 311, 20.10.2021
https://doi.org/10.53070/bbd.991039

Öz

The demand for electrical energy in the world is increasing day by day. It is of great importance to make long-term electricity production forecasts in terms of meeting the increasing demand and determining the economic value of the generation investments that will be planned to be realized. In this study, an artificial neural network (ANN) based estimation methodology is presented for energy production forecasting using energy indicators such as Turkey's installed power capacity, gross electricity production, net electricity consumption, imports, exports and population between the years 1985-2019. Electricity production estimation was made from oil, gas, coal and other energy (renewable energy) sources. The estimation results were statistically evaluated and the accuracy of the presented approach was tested the results obtained show that energy production estimation can be used with high accuracy with the help of ANN based on energy indicators.

Kaynakça

  • Referans1 Basheer I.A, Hajmeer M. (2000) Artificial neural networks: fundamentals, computing, design, and Application, Journal of Microbiological Methods, 43: 3-31.
  • Referans2 Balcı H, Esener Işıklı İ, Kurban M. (2012) Regresyon Analizi Kullanılarak Kısa Dönem Yük Tahmini ELECO'2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, Bursa.
  • Referans3 Bianco V, Manca O, Nardini S. (2009) Electricity consumption forecasting in Italy using linear regression models, Energy ,34 (9), 1413-1421.
  • Referans4 BP Dünya Enerjisinin İstatistiksel Değerlendirmesi Haziran, 2020.
  • Referans5 Ceylan G. (2004) Yapay sinir ağları ile kısa dönem yük tahmini, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
  • Referans6 Cho V.A. (2003) Comparison of three different approaches to tourist arrival forecasting, Tourism Management, 24: 323-330.
  • Referans7 Çevik H, Çunkaş M. (2015) Short-term load forecasting using fuzzy logic and ANFIS, Neural Comput & Applic, 26 (6), 1355-1367.
  • Referans8 Çevik H.H, Harmancı H, Çunkaş M. (2016) Short-term Load Forecasting based on ABC and ANN for Smart Grids, IJISAE, 2016, 4(Special Issue).
  • Referans9 Demirel Ö, Kakilli A, Tektaş M. (2009) ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini, Gazi Üniversitesi Gazi Üniv. Müh. Mim. Fak. Der, Cilt 25, No 3, 601-610. Referans10 Ekinci F. (2019) YSA VE ANFIS Tekniklerine Dayalı Enerji Tüketim Tahmin Yöntemlerinin Karşılaştırılması, Düzce Üniversitesi Bilim ve Teknoloji Dergisi.
  • Referans11 Ercan U, Irmak S, Çevik K.K, Canbazoğlu E. (2020) Yapay Sinir Ağları Kullanılarak Konutlarda Elektrik Tüketimi Düzeylerinin Tahmin Edilmesi, Sosyoekonomi, Vol. 28(46), 173-186.
  • Referans12 Graupe D. (2007) Princıples of artificial neural networks, (2nd Edition), advanced series on circuits and systems, 6, World Scientific Publishing Co. Pte. Ltd.
  • Referans13 Hengirmen M.O, Kabak S. (1999) Gaziantep ve Yöresinde 5 Yıllık Elektrik Enerjisi İhtiyaç Tahminleri, Elektrik Elektronik Bilgisayar Mühendisliği 8. Ulusal Kongresi, Gaziantep.
  • Referans14 Hocaoğlu F.O, Kaysal K, Kaysal A. (2015) Yük Tahmini İçin Hibrit (YSA ve Regresyon) Model, Afyon Kocatepe Üniversitesi, Mühendislik Fakültesi, Afyonkarahisar.
  • Referans15 Karaca C, ve Karacan H. (2016) Çoklu Regresyon Metoduyla Elektrik Tüketim Talebini Etkileyen Faktörlerin İncelenmesi, Selçuk Üniversitesi Mühendislik Fakültesi.
  • Referans16 Kaytez F, Taplamacıoğlu M.C, Çam E, Hardalaç F. (2015) Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines, Electrical Power and Energy Systems, 67, 431-438.
  • Referans17 Oğurlu H. (2011) Matematiksel Modelleme Kullanarak Türkiye’nin Uzun Dönem Elektrik Yük Tahmini, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
  • Referans18 Özger Y.E, Akpınar M, Musayev Z, Yaz M. (2019) Elektrik Yükünün Genetik Algoritma Temelli Holt-Winters Üstel Düzeltme Yöntemiyle Tahmini, SAKARYA Unıversıty Journal Of Computer And Informatıon Scıences.
  • Referans19 Pençe İ, Kalkan A, Çeşmeli Ş.M. (2017) Türkiye Sanayi Elektrik Enerjisi Tüketiminin 2017-2023 dönemi için Yapay Sinir Ağları ile Tahmini, Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi.
  • Referans20 Sönmez İ. (2015) Seydişehir Bölgesinin Orta Vadedeki Elektrik Enerjisi Talebinin Yapay Zekâ ile Tahmini Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
  • Referans21 Sözen A, Arcaklıoğlu E. (2005) Özkaymak M., Turkey’s net energy consumption, Applied Energy.
  • Referans22 Sözen A, Arcaklıoğlu E. (2007) Prediction of energy consumption based on economic indicators (GNP and GDP) in Turkey, Energy Policy, Volume 35, Issue 10, Pages 4981-4992.
  • Referans23 Yavuzdemir M. (2014) Türkiye’nin Kısa Dönem Yıllık Brüt Elektrik Enerjisi Talep Tahmini, Yüksek Lisans tezi, Ankara Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.

Yapay Sinir Ağı (YSA) Kullanarak Farklı Kaynaklardan Türkiye’de Elektrik Enerjisi Üretim Potansiyelinin Tahmini

Yıl 2021, Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special, 304 - 311, 20.10.2021
https://doi.org/10.53070/bbd.991039

Öz

Dünya üzerinde elektrik enerjisi talebi her geçen gün artmaktadır. Artan talebi karşılamak ve gerçekleştirilmesi planlanacak olan üretim yatırımlarının ekonomik değerinin belirlenmesi açısından uzun dönem elektrik üretim tahminlerinin yapılması büyük önem arz etmektedir. Bu çalışmada, Türkiye’nin 1985-2019 yılları arasındaki kurulu güç kapasitesi, bürüt elektrik üretimi, net elektrik tüketimi, ithalat, ihracat ve nüfus gibi enerji göstergeleri kullanılarak enerji üretim tahmini için yapay sinir ağı (YSA) tabanlı tahmin metodolojisi sunulmuştur ve petrol, gaz, kömür ve diğer enerji (yenilenebilir enerji) kaynaklarından elektrik üretim tahmini gerçekleştirilmiştir. Tahmin sonuçları istatistiksel olarak değerlendirilmiştir ve sunulan yaklaşımın doğruluğu test edilmiştir. Elde edilen sonuçlar enerji indikatörlerine bağlı olarak YSA yardımıyla enerji üretim tahminin yüksek doğruluk ile kullanılabileceğini göstermektedir.

Kaynakça

  • Referans1 Basheer I.A, Hajmeer M. (2000) Artificial neural networks: fundamentals, computing, design, and Application, Journal of Microbiological Methods, 43: 3-31.
  • Referans2 Balcı H, Esener Işıklı İ, Kurban M. (2012) Regresyon Analizi Kullanılarak Kısa Dönem Yük Tahmini ELECO'2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, Bursa.
  • Referans3 Bianco V, Manca O, Nardini S. (2009) Electricity consumption forecasting in Italy using linear regression models, Energy ,34 (9), 1413-1421.
  • Referans4 BP Dünya Enerjisinin İstatistiksel Değerlendirmesi Haziran, 2020.
  • Referans5 Ceylan G. (2004) Yapay sinir ağları ile kısa dönem yük tahmini, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
  • Referans6 Cho V.A. (2003) Comparison of three different approaches to tourist arrival forecasting, Tourism Management, 24: 323-330.
  • Referans7 Çevik H, Çunkaş M. (2015) Short-term load forecasting using fuzzy logic and ANFIS, Neural Comput & Applic, 26 (6), 1355-1367.
  • Referans8 Çevik H.H, Harmancı H, Çunkaş M. (2016) Short-term Load Forecasting based on ABC and ANN for Smart Grids, IJISAE, 2016, 4(Special Issue).
  • Referans9 Demirel Ö, Kakilli A, Tektaş M. (2009) ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini, Gazi Üniversitesi Gazi Üniv. Müh. Mim. Fak. Der, Cilt 25, No 3, 601-610. Referans10 Ekinci F. (2019) YSA VE ANFIS Tekniklerine Dayalı Enerji Tüketim Tahmin Yöntemlerinin Karşılaştırılması, Düzce Üniversitesi Bilim ve Teknoloji Dergisi.
  • Referans11 Ercan U, Irmak S, Çevik K.K, Canbazoğlu E. (2020) Yapay Sinir Ağları Kullanılarak Konutlarda Elektrik Tüketimi Düzeylerinin Tahmin Edilmesi, Sosyoekonomi, Vol. 28(46), 173-186.
  • Referans12 Graupe D. (2007) Princıples of artificial neural networks, (2nd Edition), advanced series on circuits and systems, 6, World Scientific Publishing Co. Pte. Ltd.
  • Referans13 Hengirmen M.O, Kabak S. (1999) Gaziantep ve Yöresinde 5 Yıllık Elektrik Enerjisi İhtiyaç Tahminleri, Elektrik Elektronik Bilgisayar Mühendisliği 8. Ulusal Kongresi, Gaziantep.
  • Referans14 Hocaoğlu F.O, Kaysal K, Kaysal A. (2015) Yük Tahmini İçin Hibrit (YSA ve Regresyon) Model, Afyon Kocatepe Üniversitesi, Mühendislik Fakültesi, Afyonkarahisar.
  • Referans15 Karaca C, ve Karacan H. (2016) Çoklu Regresyon Metoduyla Elektrik Tüketim Talebini Etkileyen Faktörlerin İncelenmesi, Selçuk Üniversitesi Mühendislik Fakültesi.
  • Referans16 Kaytez F, Taplamacıoğlu M.C, Çam E, Hardalaç F. (2015) Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines, Electrical Power and Energy Systems, 67, 431-438.
  • Referans17 Oğurlu H. (2011) Matematiksel Modelleme Kullanarak Türkiye’nin Uzun Dönem Elektrik Yük Tahmini, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
  • Referans18 Özger Y.E, Akpınar M, Musayev Z, Yaz M. (2019) Elektrik Yükünün Genetik Algoritma Temelli Holt-Winters Üstel Düzeltme Yöntemiyle Tahmini, SAKARYA Unıversıty Journal Of Computer And Informatıon Scıences.
  • Referans19 Pençe İ, Kalkan A, Çeşmeli Ş.M. (2017) Türkiye Sanayi Elektrik Enerjisi Tüketiminin 2017-2023 dönemi için Yapay Sinir Ağları ile Tahmini, Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi.
  • Referans20 Sönmez İ. (2015) Seydişehir Bölgesinin Orta Vadedeki Elektrik Enerjisi Talebinin Yapay Zekâ ile Tahmini Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
  • Referans21 Sözen A, Arcaklıoğlu E. (2005) Özkaymak M., Turkey’s net energy consumption, Applied Energy.
  • Referans22 Sözen A, Arcaklıoğlu E. (2007) Prediction of energy consumption based on economic indicators (GNP and GDP) in Turkey, Energy Policy, Volume 35, Issue 10, Pages 4981-4992.
  • Referans23 Yavuzdemir M. (2014) Türkiye’nin Kısa Dönem Yıllık Brüt Elektrik Enerjisi Talep Tahmini, Yüksek Lisans tezi, Ankara Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
Toplam 22 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Yapay Zeka
Bölüm PAPERS
Yazarlar

Harun Işık 0000-0002-6149-5372

Mustafa Şeker 0000-0002-3793-8786

Yayımlanma Tarihi 20 Ekim 2021
Gönderilme Tarihi 4 Eylül 2021
Kabul Tarihi 16 Eylül 2021
Yayımlandığı Sayı Yıl 2021 Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special

Kaynak Göster

APA Işık, H., & Şeker, M. (2021). Yapay Sinir Ağı (YSA) Kullanarak Farklı Kaynaklardan Türkiye’de Elektrik Enerjisi Üretim Potansiyelinin Tahmini. Computer Science, IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium(Special), 304-311. https://doi.org/10.53070/bbd.991039

The Creative Commons Attribution 4.0 International License 88x31.png  is applied to all research papers published by JCS and

a Digital Object Identifier (DOI)     Logo_TM.png  is assigned for each published paper.