Forecasting Primary Energy Demand By Using ANFIS Model for Turkey

Öz

Energy demand depends on a series of factors such as economic growth, energy prices, population, urbanization and efficiency. Therefore, energy demand has a very important place for economic development. In this study, some indicators are benefited from determinants of energy demand and particularly emphasize indicators in literature. Energy demand of Turkey has been investigated by using ANFIS model between 2016-2030. The relevant indicators are used as growth rate, population and energy prices as independent variable. The dependent variable of this study is energy demand of these countries. According to ANFIS result, energy demand of Turkey will increase as it does in other countries. However, energy demand will not change dramatically depending on primary energy sources such as oil and natural gas. In literature, there are studies related to growth and population. Yet, in this study, not only growth and population, but also energy prices are considered. The gap in the literature is aimed to be filled by including energy prices with other variables

Anahtar Kelimeler

• Energy Prices, Energy Demand, ANFIS

Türkiye İçin Anfıs Modeli İle Birincil Enerji Talep Tahmini

Öz

Enerji talebi; ekonomik büyüme, enerji fiyatları, nüfus, şehirleşme ve verimlilik gibi bir dizi faktöre bağlıdır. Bu nedenle, ülkelerin iktisadi açıdan gelişiminde enerji talebinin oldukça önemli bir yeri vardır. Buradan hareketle bu çalışmada, enerji talebinin belirleyicisi olan ve literatürde üzerinde en fazla durulan göstergelerden yararlanılarak, 2016-2030 yılları arasında Türkiye’nin enerji talebi, Adaptive Neuro Fuzzy Inference System (ANFIS) yöntemi ile belirlenmeye çalışılmıştır. Söz konusu göstergeler; OECD ülkelerinin 1990-2030 yılları arasındaki dönemi kapsayan büyüme rakamları, nüfus ve enerji fiyatları bağımsız değişkenler olarak ele alınmıştır. Araştırmanın bağımlı değişkeni ise bu ülkelerin birincil enerji talepleridir. Yapılan analiz sonucunda, Türkiye’nin gelecekteki enerji talebinde diğer gelişmiş ülkelere benzer bir şekilde büyük bir artış olabileceği tespit edilmiştir. Ancak petrol ve doğal gaz gibi birincil kaynaklara dayalı enerji talebinde çok ciddi bir değişme olmayacağı sonucuna varılmıştır. Yapılan analizle, literatürde daha önce büyüme ve nüfusa dayalı çalışmalar yapılmış ancak enerji fiyatlarına dayalı olarak kayda değer bir çalışmaya rastlanmamıştır. Diğer değişkenlerle beraber enerji fiyatları da çalışmaya dâhil edilerek literatürdeki bir boşluk doldurulmaya çalışılmıştır

Anahtar Kelimeler

• Enerji Fiyatları, Enerji Talebi

Kaynakça

1. AbuAl-Foul, B.M, (2012), Forecasting Energy Demand in Jordan Using Artificial Neural Networks, Topics in Middle Eastern and African Economies Vol. 14, September 2012
2. Aydın, F.F., (2010), Enerji Tüketimi ve Ekonomik
3. Büyüme, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı: 35, Ocak-Temmuz 2010,317
4. Bayrak M., Esen Ö. (2013), Yapay Sinir Ağları
5. Yöntemiyle Türkiye’nin Enerji Talebi Tahmini ve Enerji Açığı Öngörüsü [2012-2020], Atatürk Üniversitesi 17.
6. Ulusal İktisat Sempozyumu Bayraktutan, Yusuf, Arslan, I., Özkan, G. S. ve Çevik, F. S. (2012a), “Industrial Sector Energy Consumption in
7. Turkey - The Relationship Between Economic Growth (1970-2010)”, Journal of Economics and International
8. Finance, 4 (2), 30-35. http:// dx.doi.org/10.5897/ JEIF11.140

9. Bp, (2013), Bp Energy Outlook 2030, http://www. bp.com/content/dam/bp/pdf/energy-economics/ e n e rg y- o u t l o o k- 2 0 1 5 / b p - e n e rg y- o u t l o o k- booklet_2013.pdf
10. BP, (2016), Energy Outlook 2035, http://www.bp.com/ en/global/corporate/energy-economics/energy- outlook-2035/energy-outlook-to-2035.html
11. Canyurt, E. O., Ceylan, H., Öztürk, H. K., ve Hepıbaşlı, A. (2004) “Energy Demand Estimation Based on Two
12. Different Genetic Algorithm Approaches” Energy Sources, 26: 1313-1320.
13. Ceylan, H. ve Öztürk, H. K. (2004) “Estimating Energy
14. Demand of Turkey Based on Economic Indicatiors Using Genetic Algorithm Approach” Energy Converısion and Management, 45:2525-2537.
15. Ceylan, H., Ceylan, H., Haldenbilen, S. ve Baskan, Ö. (2008) “Transport Energy Modeling With Meta
16. Heuristic Harmony Search Algorithm, An Application to Turkey” Energy Policy, 36:2527-2535.
17. Ceylan, H., Öztürk, H. K., Hepbaşlı, A., ve Utlu, Z. (2005) “Estimating Energy end Exergy Production and Consumption Values Using Three Different Genetic
18. Algorithm Approaches. Part 1: Model Development” Energy Sources, 27:621-627. Ceylan, H., Öztürk, H. K., Hepbaşlı, A., ve Utlu, Z. (2005) “Estimating Energy end Exergy Production and Consumption Values Using Three Different Genetic
19. Algorithm Approaches. Part 1: Model Development” Energy Sources, 27:621-627. Costantini, V. and Martini, C, 2010. “The causality between energy consumption and economic growth:
20. A multi-sectoral analysis using non-stationary cointegrated panel data”, Energy Economics 32, 591– Ediger, V.Ş ve Akar, S. (2007) “ARIMA Forecasting of
21. Primary Energy Demand by Fuel in Turkey” Energy Policy, 35:1701-1708.
22. Erdoğdu, E. (2007) “Electricity Demand Analysis Using
23. Cointegration and ARIMA Modelling: A Case Study of Turkey” Energy Policy, 35:1129-1146.
24. Ersoy, A. Yağmur (2010), “Ekonomik Büyüme
25. Bağlamında Enerji Tüketimi”, Akademik Bakış Dergisi, , 1-11. Es H. A.,Kalender F.Y.ve Hamzaçebi C.(2014), Yapay
26. Sinir Ağları İle Türkiye Net Enerji Talep Tahmini, Gazi Üniv. Müh. Mim. Fak. Der. Cilt 29, No 3, 495-504, Esen, Ö. ve Bayrak, M., (2015), Enerji Açığının
27. Belirleyicilerinin Teorik Perspektiften İncelenmesi, Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, Cilt:3 Sayı:1 Haziran: 2015
28. Fullér, R. 1995. Neural fuzzy systems.
29. Görücü, F.B. ve Gümrah, F. (2004) “Evaluation and Forecasting of Gas Consumption by Statistical
30. Analysis” Energy Sources, 26:267-276. Görücü, F.B., Geriş, P., U. ve Gumrah, F. (2004) “Artificial
31. Neural Network Modeling for Forecasting Gas Consumption” Energy Sources, 26:299-307. Haldenbilen, S. ve Ceylan, H. (2005) “Genetic
32. Algorithm Approach To Estimate Transport Energy Demand In Turkey” Energy Policy, 33:89–98. Hamzaçebi Coşkun ve Kutay Fevzi,(2004),Yapay Sinir
33. Ağları İle Türkiye Elektrik Enerjisi Tüketiminin 2010
34. Yılına Kadar Tahmini, Gazi Üniv. Müh. Mim. Fak. Der. Cilt 19, No 3, 227-233
35. Hirota, K., & Pedrycz, W. (1994a). A distributed model of fuzzy set connectives. Fuzzy Sets and Systems, 68(2), 157–170. http://doi.org/http://dx.doi. org/10.1016/0165-0114(94)90042-6
36. Hirota, K., & Pedrycz, W. (1994b). Or/and Neuron in
37. Modeling Fuzzy Set Connectives. Ieee Transactions on Fuzzy Systems, 2(2), 151–161. http://doi. org/10.1109/91.277963
38. Hotunoğlu H., ve Karakaya E.(2011), Forecasting
39. Turkey’s Energy Demand Using Artificial Neural Networks: Three Scenario Applications Yapay Sinir Ağları Yöntemiyle Türkiye’nin Enerji Talebi Tahmini: Üç Senaryo Uygulaması, Ege Akademik Bakış, Cilt 11 Özel Sayı, 87-94
40. IEA (2016), http://www.iea.org/statistics/ statisticssearch/report/?&country
41. IEA, (2014), World Energy Outlook, 2014, Aralık 2014 Yayın No: TÜSİAD-T/2014/12/564
42. Jang, J. 1991. Fuzzy Modeling Using Generalized
43. Neural Networks and Kalman Filter Algorithm. Proceedings of the 9th National Conference on Artificial Intelligence, 91, 762- Retrieved from http://www.aaai.org/Library/ AAAI/1991/aaai91-119.php
44. Jang, J.-S. R. 1993. ANFIS: Adaptive-network-based fuzzy inference system. IEEE Transactions on Systems,
45. Man and Cybernetics, 23(3), 665–685. http://doi. org/10.1109/21.256541
46. Kandel, A. (1991). Fuzzy expert systems. CRC press.
47. Kavaklıoğlu, K., Ceylan, H., Öztürk, H. K. ve Canyurt, O. E. (2009) “Modeling and Prediction of Turkey’s
48. Electricity Consumption Using Artifical Neural Networks” Energy Conversion and Management, 50: 2727.
49. Kaynar O., Taştan S., ve Demirkoparan F. Yapay Sinir Ağları İle Doğalgaz Tüketim Tahmini, Atatürk Ü. İİBF Dergisi, 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı, 2011
50. Khan, M. A. and Ahmed, U. 2008. “Energy Demand in Pakistan: A Disaggregate Analysis”, The Pakistan
51. Development Review, 47(4),437-455. Mahmutoğlu M., ve Öztürk F.(2015), Türkiye Elektrik
52. Tüketimi Öngörüsü ve Bu Kapsamda Geliştirilebilecek Politika Önerileri, EY International Congress On Economics II “Europe And Global Economıc Rebalancing” Ankara, November 5-6, 2015
53. Murat, Y.,S. ve Ceylan, H. (2006) “Use of Artificial Neural
54. Networks for Transport Energy Demand Modeling” Energy Policy, 34:3165-3172.
55. Nayak, P. C., Sudheer, K. P., Rangan, D. M., & Ramasastri, K. S. (2004). A neuro-fuzzy computing technique for modeling hydrological time series. Journal of
56. Hydrology, 291, 52–66. http://doi.org/10.1016/j. jhydrol.2003.12.010
57. OECD, (2016), OECD.stat, http://stats.oecd.org/
58. O E C D . s t a t .h t t p : / / s t a t s . o e c d . o r g / I n d e x . aspx?DatasetCode=POP_FIVE_HIST#http://knoema. com/yxptpab/crude-oil-price-forecast-long-term- to-2025-data-and-charts
59. Öztürk, H. K., Ceylan, H., Canyurt, O. E. ve Hepbaşlı, A. (2005) “Electricity Estimation Using Genetic
60. Algorithm Approach: A Case Study of Turkey” Energy, :1003-1012.
61. Paul, S. And Bhattacharya, R. N. 2004. “Causality
62. Between Energy Consumption and Economic Growth in India: A Note on Conflicting Results”, Energy Economics, 26, 977-983
63. Say N.P. ve Yücel M.(2006), Energy consumption and CO2 emissions in Turkey: Empirical analysis and future projection based on an economic growth,Volume 34, Issue 18, 3870-3876.
64. Solak A.O.,“Petrol Fiyatlarını Belirleyici Faktörler”, Uluslararası Alanya İşletme Fakültesi Dergisi, 4(2), 124. Sözen A., ve Arcaklioğlu E., ( 2007) “Prediction of Net
65. Energy Consumption Based on Economic Indicators (GNP and GDP) in Turkey” Energy Policy, 35:4981
66. Sözen, A., Arcaklioğlu E. ve Özkaymak, M., (2005),
67. “Turkey’s net energy consumption”, Applied Energy, , pp. 209–221. Takagi, T., & Sugeno, M. (1985). Fuzzy identification of systems and its applications to modeling and control.
68. Systems, Man and Cybernetics, IEEE Transactions on, SMC-15(1), 116–132. http://doi.org/10.1109/ TSMC.1985.6313399.
69. TENVA (Türkiye Enerji Vakfı), 2015, 2030’lara
70. Doğru Türkiye’nin Enerji Görünümü, http://www. tenva.org/2030lara-dogru-turkiyenin-enerji- gorunumu/#prettyPhoto
71. TMMOB(2012), Enerji Verimliliği Raporu, Elektrik
72. Mühendisleri Odası, 42. Dönem Enerji Çalışma Grubu, EMO Yayınları Toksarı, M. D. (2007) “Ant Colony Optimization
73. Approach to Estimate Energy Demand of Turkey” Energy Policy, 35:3984-3990.
74. Tunç, M., Çamdalı, Ü. ve Parmaksızoğlu, C. (2006) “Comparison of Turkey’s Electrical Energy
75. Consumption and Production with Some European Countries and Optimization of Future Electrical Power Supply Investments in Turkey” Energy Policy, :50-59. Ünler, A. (2008) “ Improvement of Energy Demand
76. Forecasts Using Swarm Intelligence: The Case of Turkey with Projections to 2025” Energy Policy, :1937-1944.
77. World Bank (WB), (2016), GDP per capita growth
78. (annual %) http://data.worldbank.org/indicator/ NY.GDP.PCAP.KD.ZG WWF-Türkiye, (2015), Türkiye İçin Düşük Karbonlu
79. Kalkınma Yolları ve Öncelikleri, http://awsassets. wwftr.panda.org/downloads Yumurtacı, Z. ve Asmaz, E. (2004) “Electric Energy
80. Demand of Turkey for the Year 2050”, Energy Sources, :1157-1164.