Türkiye’de Yenilenebilir Enerji Kullanımı Oranının Otoregresif Sinir Ağları Kullanılarak Modellenmesi

Öz

Yenilenebilir enerji kullanımının çevre kirliliğini azaltma ve sürdürülebilirliği sağlama başta olmak üzere birçok faydası vardır. Bu noktadan hareketle bu çalışmada, Türkiye’de yenilenebilir enerji kullanım oranının modellemesi yapılmıştır. Dünya Bankası’nın veri tabanından alınan 1960-2015 aralığını kapsayan ve toplam elektrik üretimindeki hidroelektrik harici yenilenebilir enerji kaynağı kullanımı oranını ifade eden veriler kullanılmıştır. Öncelikle bu verilerin mevsimsellik bileşenleri ve doğrusal olmama davranışları Eviews yazılımı ortamındaki mevsimsel-trend ayrıştırması yöntemi ile elde edilmiş ve yorumlanmıştır. Daha sonra, yenilenebilir enerji kullanım oranını otoregresif bir şekilde modellemek üzere beş girişli ve bir çıkışlı olan, üç adet gizli katmanı bulunan bir yapay sinir ağı Python programlama dilinde SK-Learn kütüphanesinde bulunan sınıflar kullanılarak geliştirilmiştir. Geliştirilen otoregresif yapay sinir ağının kullanımı için yenilenebilir enerji kullanım oranı verisinden giriş verisini elde eden bir ayrıştırma fonksiyonu da yine Python ortamında yazılmıştır. Bir sonraki aşamada ise eldeki verilerin %70’i eğitim verisi olarak kullanılarak otoregresif yapay sinir ağı eğitime tabi tutulmuştur. Geri kalan %30’luk veri ise test verisi olarak kullanılmıştır. Gerçek yenilenebilir enerji kullanım oranı verisi ile geliştirilen otoregresif yapay sinir ağından elde edilen veriler aynı eksen takımı üzerinde çizdirilmiş ve model sonucunun gerçek verileri hassas bir şekilde temsil ettiği gözlemlenmiştir. Modele ilişkin performans parametreleri de bu hassasiyeti doğrulamaktadır.

Anahtar Kelimeler

• Yenilenebilir enerji
• Otoregresif
• yapay sinir ağları
• Modelleme
• Tahmin

Modelling the Renewable Energy Utilization Rate of Türkiye Using Autoregressive Neural Networks

Öz

The use of renewable energy has many benefits, notably reducing environmental pollution and ensuring sustainability. In this study, the rate of renewable energy use in Turkey has been modelled. Data from the World bank database covering the period 1960-2015 and expressing the rate of use of renewable energy sources are employed. First of all, the seasonality components and nonlinearity behaviours of these data are obtained and interpreted. As the next step, an artificial neural network with five inputs and one output and three hidden layers is developed to autoregressively model the renewable energy usage rate. A parsing function that generates the lagged input data is also developed in Python environment for the usage of the autoregressive artificial neural network. In the next stage, the autoregressive artificial neural network is trained by using 70% of the available data as training data. The remaining 30% data is used as test data. The data obtained from the autoregressive artificial neural network developed and the real renewable energy usage rate data are plotted on the same axes and it is observed that the model result accurately represents the real data. The performance metrics of the model also confirm this accuracy.

Anahtar Kelimeler

• Renewable energy
• autoregressive
• artificial neural networks
• Modelling
• Estimation

Kaynakça

1. ACARAVCI A. & ERDOGAN S. (2017). “Yenilenebilir Enerji, Çevre ve Ekonomik Büyüme İlişkisi: Seçilmiş Ülkeler için Ampirik Bir Analiz”. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 13(1), 53-64.
2. AKADIRI S. & ADEBAYO T. S. (2021). “Asymmetric Nexus among Financial Globalization, Non-Renewable Energy, Renewable Energy Use, Economic Growth, and Carbon Emissions: Impact on Environmental Sustainability Targets in India”. Environmental Science and Pollution Research, 29(2), 16311-16323.
3. AKAY C. A., ABDIVA R. & OSKONBEVA Z. (2015). ”Yenilenebilir Enerji Tüketimi, İktisadi Büyüme ve Karbondioksit Emisyonu Arasındaki Nedensel İlişki: Orta Doğu ve Kuzey Afrika Ülkeleri Örneği”. Proceedings of the International Conference on Eurasian Economies, 1(2), 628-636.
4. APAYDIN S. & TASDOGAN C. (2019). “Türkiye’de Yenilenebilir ve Birincil Enerji Talebinin Büyüme Üzerindeki Uzun Dönem Etkileri”. Üçüncü Sektör Sosyal Ekonomi Dergisi, 54(1), 431-445.
5. APERGIS N. & PAYNE A. C. (2012). “Renewable and Non-Renewable Energy Consumption-Growth Nexus: Evidence from a Panel Error Correction Model”. Energy Economics, 34(3), 733-738.
6. APERGIS N. & PAYNE J. E. (2010a). “Renewable Energy Consumption and Economic Growth: Evidence from a Panel of OECD Countries”. Energy Policy, 38(1), 656-660.
7. APERGIS N. & PAYNE J. E. (2010b). “Renewable Energy Consumption and Growth in Eurasia”. Energy Economics, 32(6), 1392-1397.
8. APERGIS N. & PAYNE J. E. (2011). “The Renewable Energy Consumption-Growth Nexus in Central America”. Applied Energy, 88(1), 343-347.

9. APERGIS N. & SALIM R. (2015). “Renewable energy consumption and unemployment: evidence from a sample of 80 countries and nonlinear estimates”. Applied Economics, 47(52), 5614-5633.
10. BAKIRTAS I. & CETIN M. A. (2015). “Yenilenebilir Enerji Tüketimi ile Ekonomik Büyüme Arasındaki İlişki: G-20 Ülkeleri”. Sosyoekonomi, 24(28), 131-145.
11. BAYRAC N. & CILDIR M. (2017). “AB Yenilenebilir Enerji Politikalarının Ekonomik Büyüme Üzerindeki Etkisi”. Uluslararası Yönetim İktisat ve İşletme Dergisi, 17(1), 201-212.
12. BHATTACHARYA M. & PARAMATI S. R. & OZTURK I. & BHATTACHARYA S. (2016). “The Effect of Renewable Energy Consumption On Economic Growth: Evidence From Top 38 Countries”. Applied Energy, 162(15), 733-741.
13. BUYUKILMAZ A. & MERT M. (2015). “CO2 Emisyonu, Yenilenebilir Enerji Tüketimi Ve Ekonomik Büyüme Arasındaki İlişkinin MS Var Yaklaşımı İle Modellenmesi: Türkiye Örneği”. Zeitschrift Für Die Welt Der Türken, 7(3), 103-117.
14. CAI W., WANG C., CHEN J. & WANG S. (2011). “Green Economy and Green Jobs: Myth or Reality? The Case of China’s Power Generation Sector”. Energy Policy, 36(10), 5994-6003.
15. CETIN M. & SEZEN S. (2018). “Yenilenebilir ve Yenı̇ lenemeyen Enerji Tüketı̇ mı̇ , Ekonomı̇ k Büyüme ve Karbondı̇ oksı̇ t Salınımı Arasındakı̇ İlı̇ şkı̇ : Bı̇ r SVAR (Yapısal Var) Analı̇ zı̇ ”. Yönetim ve Ekonomi Araştırmaları Dergisi, 3(2), 136-157.
16. CHANG T. H.., HUANG C. M. & LEE M. C. (2009). “Threshold Effect of The Economic Growth Rate on The Renewable Energy Development From A Change In Energy Price: Evidence From OECD Countries”. Energy Policy, 37(12), 5796-5802.
17. DEMIRGIL B. & BIROL Y. E. (2020). “Yenilenebilir Enerji Tüketimi ve Ekonomik Büyüme İlişkisi:Türkiye İçin Bir Toda Yamamoto Nedensellik Analizi”. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 21(1), 68-83.
18. DIKE S. (2016) “Decoupling Energy Development, Economic Growth and Environmental Sustainability in African States: The Trade-offs”. Proceedings of the International conference on Energy, Environment and Economics, 1(1),186-195.
19. DOGAN E. (2016). “Analyzing the Linkage Between Renewable and Non-Renewable Energy Consumption and Economic Growth by Considering Structural Break in Time-Series Data”. Renewable Energy, 99(1), 1126-1136.
20. DOGAN I. & TULUCE N. S. & ASKER E. & GURBUZ S. (2014) “The Dynamic Effects of Renewable Energy on Economic Growth” Proceedings of the 5th International Renewable Energy Congress, 1(2), 46-52.
21. FALLAHI F. (2011). “Causal Relationship between Energy Consumption (EC) and GDP: A Markov-Switching (MS) Causality”. Energy, 36(2), 4165-4170.
22. FANG Y. (2011). “Economic Welfare Impacts From Renewable Energy Consumption: The China Experience”. Renewable and Sustainable Energy Reviews, 15(9): 5120-5128.
23. FELIX R. (2020). “Renewable Energy Contribution to Economic Growth in OECD Countries”. İzmir Sosyal Bilimler Dergisi, 1(2): 86-93.
24. FINDIK A. O. (2018). “Yenilenebilir Enerji ve Ekonomik Büyüme Arasındaki İlişki: 1