TR42 BÖLGESİ İÇİN ELEKTRİK ENERJİSİ TALEBİNİN MAKİNE ÖĞRENİMİ TABANLI TAHMİNİ

Öz

Elektrik enerjisinin depolanamama özelliği piyasalarda arz-talep dengesinin sağlanamamasına neden olmaktadır. Söz konusu durum, elektrik enerjisinin talebine ilişkin tahmin çalışmalarını önemli bir hale getirmiştir. Piyasa dengesinin sağlanabilmesi için, gerçekleştirilen çalışmaların gerçeğe en yakın tahminleri sunması elzemdir. Küresel düzeyde elektrik enerjisinin üretimde kullanılan bir girdi halini alması, dünya nüfusunun hızla artması ve teknolojik gelişmelerin yaşanması gibi faktörler, elektrik talebinin hem dünyada hem de Türkiye’de artmasını tetiklemektedir. Ele alınan çalışma, Türkiye’nin Düzey 2 bölgelerinden biri olan TR42 bölgesi özelinde elektrik enerjisi talebinin gerçeğe yakın bir şekilde tahmin edilebilmesini amaçlamaktadır. Söz konusu bölgenin elektrik tüketim talebinin tahmini için makine öğrenmesi yöntemlerinden çoklu doğrusal regresyon analizinden yararlanılmıştır. Oluşturulan modelde elektrik fiyatı, dolar kuru, Tüketici Fiyat Endeksi (TÜFE), konut satışları, hava durumu, işgünü sayısı, kişi sayısı gibi değişkenler dikkate alınmış ve her bir değişkenin aylık verileri kullanılmıştır. Değişkenler bölgede yer alan iller (Bolu, Düzce, Kocaeli, Sakarya ve Yalova) için ayrı ayrı değerlendirmeye tabi tutulmuş ve Yalova dışındaki diğer illerin tahmin değerlerinin iyi sonuçlar verdiği bulgusuna ulaşılmıştır.

Anahtar Kelimeler

• Elektrik Enerjisi
• TR42 Bölgesi
• Makine Öğrenmesi
• Çoklu Doğrusal Regresyon
• Talep

MACHINE LEARNING BASED ESTIMATION OF ELECTRIC ENERGY DEMAND FOR TR42 REGION

Öz

The non-storable nature of electrical energy causes the supply-demand balance in the markets not to be achieved. This situation has made forecasting studies regarding the demand for electrical energy important. In order to ensure market balance, it is essential that the studies carried out provide the closest estimates to reality. Factors such as electrical energy becoming an input used in production at the global level, the rapid increase in the world population and technological developments trigger the increase in electricity demand both in the world and in Turkey. The study aims to estimate the electrical energy demand realistically in the TR42 region, one of Turkey's Level 2 regions. Multiple linear regression analysis, one of the machine learning methods, was used to estimate the electricity consumption demand of the region in question. In the created model, variables such as electricity price, dollar exchange rate, Consumer Price Index (CPI), housing sales, weather, number of working days, number of people were taken into account and monthly data of each variable was used. The variables were evaluated separately for the provinces in the region (Bolu, Düzce, Kocaeli, Sakarya and Yalova) and it was found that the prediction values of the provinces except Yalova gave good results.

Anahtar Kelimeler

• Electrical Energy
• TR42 Region
• Machine Learning
• Multiple Linear Regression
• Demand

Kaynakça

1. Acaravcı, Ali (2010). “Structural Breaks, Electricity Consumption and Economic Growth: Evidence from Turkey”, Romanian Journal of Economic Forecasting, 2: 140-154.
2. Aktaş, Cengiz & Yılmaz, Veysel (2008). “Causal Relationship Between Electricity Consumption and Economic Growth in Turkey”, Zonguldak Karaelmas Üniversitesi Sosyal Bilimler Dergisi, 4(8): 45-54.
3. Akyol, Mehmet (2020). “Elektrik Tüketimi Ve Ekonomik Büyüme Arasındaki İlişkinin Bölgesel Analizi: Türkiye Örneği”. Turkish Studies - Economy, 15(3): 1123-1139.
4. Al-Sahlawi, Mohammed (1990). "Forecasting the Demand for Electricity in Saudi Arabia", Energy Journal, 11(1): 119-125.
5. Aydın, Bayram & Bozdağ, Emre Güneşer (2018). “Elektrik Tüketimi Ve Ekonomik Büyüme Arasındaki İlişki: Avrupa Birliği Ve Türkiye Örneği”. International Journal of Academic Value Studies, 4(18): 70-80.
6. Bakırtaş, Tahsin, Karbuz, Sohbet ve Bildirici, Melike (2000). "An Econometric Analysis of Electricity Demand in Turkey", Sakarya University, Studies in Development, 27(1-2): 22-34.
7. Barut, Muhammed Emin & Çelik, Emine (2021). “Türkiye'de Sanayide Tüketilen Elektrik Enerjisi İle Ekonomik Büyüme Arasındaki İlişki: Granger Nedensellik Analizi”. Nicel Bilimler Dergisi, 3(1): 43 – 58.
8. Bayar, Yılmaz & Özel, Hasan Alp (2014). “Electricity Consumption and Economic Growth in Emerging Economies”, Journal of Knowledge Management, Economics and Information Technology, 4(2): 1-18.

9. Canyurt, Olcay Ersel, Ceylan, Halim, Öztürk, Harun Kemal ve Hepbaşlı, Arif (2004). “Energy Demand Estimation Based on Two-Different Genetic Algorithm Approaches”, Energy Sources, (26): 1313–1320.
10. Coşkun, Hamzaçebi ve Kutay, Fevzi (2004). “Yapay Sinir Ağları İle Türkiye Elektrik Enerjisi Tüketiminin 2010 Yılına Kadar Tahmini”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 19(3): 227-233.
11. Ekonomou, Lambros (2010). “Greek Long-Term Energy Consumption Prediction Using Artificial Neural Network”, Energy, (35): 512-517.
12. Enerji Piyasası Denetleme ve Düzenleme Kurumu. (2021). https://www.epdk.gov.tr/Detay/Icerik/3-0-24/yillik- sektor-raporu, Erişim Tarihi: 16.05.2022.
13. Erdoğdu, Erkan (2007). “Electricity demand analysis using cointegration and ARIMA modelling: A case study of Turkey”, Energy Policy, (35): 1129-1146.
14. Es, Hüseyin Avni, Kalender, Yeşim ve Hamzaçebi, Coşkun (2014). “Yapay Sinir Ağları İle Türkiye Net Enerji Talep Tahmini”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 29(3): 495-504.
15. Fisher, Franklin ve Kaysen, Carl (1962). A Study in Eeonometrics: The Demand for Electricity in the United States, Amsterdam.
16. Güloğlu, Bülent ve Akın, Emre (2014). “Türkiye’de Hane Halkları Elektrik Talebinin Belirleyicileri: Sıralı Logit Yaklaşımı”, Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 2(3): 1-20.
17. Houthakker, Hendrick Samuel (1951). “Some Calculations of Electricity Consumption in Great Britain”, Journal of the Royal Statistical Society, 114(3): 249-270.
18. İnternational Energy Agency (2020). Capital Cost and Performance Characteristic Estimates for Utility Scale Electric Power Generating Technologies (SL-014940 | Project No. 13651.005).https://www.eia.gov/analysis/studies/powerplants/capitalcost/pdf/capital_cost_AEO2020.pdf. Erişim Tarihi: 26.04.2022.
19. Koç, İsmail, Nureddin, Refik ve Kahramanlı, Humar (2018). “Türkiye'de enerji talebini tahmin etmek için doğrusal form kullanarak GSA (Yerçekimi Arama Algoritması) ve IWO (Yabani Ot Optimizasyon Algoritması) tekniklerinin uygulanması”, Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, (6): 529-543.
20. Lu, Wen-Cheng (2017). “Electricity Consumption and Economic Growth: Evidence from 17 Taiwanese Industries”, Sustainability, MDPI, Open Access Journal, 9(1): 1-15.
21. Özkış, Ahmet (2020). “Türkiye’nin Enerji Talebinin Tahmin Edilmesi Üzerine Girdap Arama Algoritması Temelli Yeni Bir Model”, Pamukkale Üniversitesi Mühendislik Bilim Dergisi, 26(5): 959-965.
22. Ringwood, John, Bofelli, D. and Murray, F.T. (2001). “Forecasting electricity demand on short, medium and long time scales using neural networks”, Journal of Intelligent and Robotic Systems, (1)31: 129–147.
23. Saatçi, Mustafa & Dumrul, Yasemin (2013). “Elektrik Tüketimi Ve Ekonomik Büyüme İlişkisinin Dinamik Bir Analizi: Türkiye Örneği”, Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 32(2); 1-24.
24. Shahbaz, Muhammad & Hooi Hooi Lean (2012), “The Dynamics of Electricity Consumption and Economic Growth: A Revisit Study of Their Causality in Pakistan”, Energy, 39(1): 146-153.
25. Sözen, Adnanu & Arcaklıoğlu, Erol (2007). “Türkiye’nin Temel Enerji Kaynakları için Projeksiyonlar ", Energy Sources, (2): 183– 201.
26. Stanton, Jeffrey (2001). “Galton, Pearson, and the Peas: A Brief History of Linear Regression for Statistics Instructors”, Journal of Statistics Education, 9(3): 1- 13.
27. Şengönül, Ahmet & Koşaroğlu, Şerife Merve (2018). “ Elektrik Tüketimi Ve Ekonomik Büyüme Arasındaki İlişki: Brıcs Ülkeleri İçin Bir Uygulama”. Cumhuriyet Üniversitesi, İktisadi Ve İdari Bilimler Dergisi, 19(2): 431-447.
28. Terzi, Harun (1998). “Türkiye''de Elektrik Tüketimi Ve Ekonomik Büyüme İlişkisi: Sektörel Bir Karşılaştırma”. İktisat, İşletme ve Finans, 13(144): 62-71.
29. Türk Sanayiciler ve İş İnsanları Derneği (1994). Enerji Sektöründe Geleceğe Bakış: Arz. Talep ve Politikalar, İstanbul: TÜSİAD Yayınları.
30. Uğuz, Sinan (2021). Makine Öğrenmesi: Teorik Yönleri ve PYTHON Uygulamaları ile Bir Yapay Zeka Ekolü, Ankara: Nobel Akademik Yayıncılık.
31. Veri Bilimcisi. (2017). https://veribilimcisi.com/2017/07/13/siradan-en-kucuk-kareler-yontemi/. Erişim Tarihi: 06.06.2022.
32. Wilson, Janie (1971). “Residential Demand for Electricity, Quarterly” Review of Economics and Business, 11(1): 7- 22.
33. Yapraklı, Sevda & Z. Çağlar Yurttançıkmaz (2012), “Elektrik Tüketimi ile Ekonomik Büyüme Arasındaki Nedensellik: Türkiye Üzerine Ekonometrik Bir Analiz”, Cumhuriyet Üniversitesi, İktisadi ve İdari Bilimler Dergisi, 13(2): 195-215.