Forecast of Total Electricity Consumption in Turkey Using Holt-Winters Exponential Smoothing Method

Öz

Electricity consumption forecasting plays a critical role in the planning and operation of power systems. With modern time series analysis methods, realistic and measurable forecasts can be made based on historical data patterns. This study focuses on short-term load forecasting (STLF) and medium-term load forecasting (MTLF) based on electricity consumption data in Turkey. The Holt-Winters method, which is one of the exponential smoothing methods, is used for these forecasts. The datasets are based on real-time consumption data from the EPİAŞ transparency platform. The performance of the Holt-Winters method is observed for both in-sample and out-of-sample forecasts on weekly, monthly, and annual data. The results show that the model is able to predict the electricity consumption of previous years for seasonal data. Based on this performance, future consumption forecasts are also made and the results are shared.

Anahtar Kelimeler

• Electricity consumption forecasting
• Holt-Winters method
• Short-term forecasting
• medium-term forecasting

Türkiye'deki Toplam Elektrik Tüketiminin Holt-Winters Üstel Düzleştirme Yöntemi İle Tahmini

Öz

Elektrik tüketim tahmini, güç sistemlerinin planlanması ve işletilmesi açısından kritik bir rol oynamaktadır. Günümüz modern zaman serileri analiz yöntemleri ile geçmiş verilere dayalı gerçekçi ve ölçülebilir tahminler yapılabilmektedir. Bu çalışmada, Türkiye’deki gerçek zamanlı elektrik tüketim verileri üzerinden kısa dönem yük tahminlerine (KDYT) ve orta dönem yük tahminlerine (ODYT) odaklanılmıştır. Bu tahminler için Üstel Düzleştirme Yöntemlerinden olan Holt-Winters metodu kullanılmıştır. Veri setleri, EPİAŞ Şeffaflık Platformundan alınan gerçek zamanlı tüketim miktarlarından oluşturulmuştur. Holt-Winters metodunun başarımı haftalık, aylık ve yıllık veriler üzerinden hem örneklem içi (in-sample) hem de örneklem dışı (out of sample) tahminler için gözlemlenmiştir. Yapılan deneyler sonucunda, mevsimsellik içeren verilerde, modelin önceki yıllara ait elektrik tüketim miktarlarını tahmin etmede başarım sağlayabildiği görülmüştür. Bu başarım esas alınarak, ayrıca gelecek günlere ait tüketim tahminleri de gerçekleştirilmiş ve sonuçlar paylaşılmıştır.

Anahtar Kelimeler

• Elektrik tüketimi tahmini
• Holt-Winters metodu
• Kısa Dönem yük tahmini
• orta dönem yük tahmini

Kaynakça

1. [1] D. Akmaz. "Çok Katmanlı Algılayıcı Algoritması, Korelasyon Tabanlı Özellik Seçme Yöntemi ve Eğri Uydurma Tekniği ile Türkiye’de Toplam Elektrik Tüketiminin Tahmin Edilmesi." Fırat Üniversitesi Mühendislik Bilimleri Dergisi 34.2 (2022): 677-686
2. [2] Khan, Ahsan Raza ve diğerleri. "Load forecasting, dynamic pricing and DSM in smart grid: A review." Renewable and Sustainable Energy Reviews 54 (2016): 1311-1322.
3. [3] M. Saçlı. “Dağıtım Şebekesinde Kısa Dönem Yük Tahmini.” Phd Thesis, Fen Bilimleri Enstitüsü.
4. [4] Khotanzad, Alireza ve diğerleri. "ANNSTLF-a neural-network-based electric load forecasting system." IEEE Transactions on Neural networks 8.4 (1997): 835-846.
5. [5] T. Akman, C. Yılmaz, Y. Sönmez. "Elektrik Yükü Tahmin Yöntemlerinin Analizi." Gazi Mühendislik Bilimleri Dergisi 4.3 (2018): 168-175.
6. [6] F. Kaytez. "En Küçük Kareler Destek Vektör Makineleri ile Türkiyenin Uzun Dönem Elektrik Tüketim Tahmini ve Modellenmesi." Ankara: Gazi Üniversitesi FBE, Doktora Tezi, Yayınlanmamış (2012).
7. [7] M. C. Kargar, K. Charsoghi. "Predicting annual electricity consumption in Iran using artificial neural networks (NARX)." Indian J. Sci. Res 5.1 (2014): 231-242.
8. [8] A. Abdoos, M. Hemmati, "Short term load forecasting using a hybrid intelligent method." Knowledge-Based Systems 76 (2015): 139-147.

9. [9] S. Fan, R.J Hyndman. "Short-term load forecasting based on a semi-parametric additive model." IEEE transactions on power systems 27.1 (2011): 134-141.
10. [10] Ö. Demirel, A. Kakilli, M. Tektaş, "Anfis ve arma modelleri ile elektrik enerjisi yük tahmini." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 25.3 (2010).
11. [11] I. Akgül. "Zaman serisi analizi ve öngörü modelleri." Öneri Dergisi 1.1 (1994): 52-69.
12. [12] S. Makridakis, S.C. Wheelwright, R.J. Hyndman. Forecasting: Methods And Applications. New York: John Wiley And Sons (2008).
13. [13] P.S. Kalekar. "Time series forecasting using holt-winters exponential smoothing." Kanwal Rekhi school of information Technology 4329008.13 (2004): 1-13.
14. [14] M. Çuhadar, İ. Güngör, A. Göksu. "Turizm Talebinin Yapay Sinir Ağlari İle Tahmini Ve Zaman Serisi Yöntemleri İle Karşilaştirmali Analizi: Antalya İline Yönelik Bir Uygulama." Suleyman Demirel University Journal of Faculty of Economics & Administrative Sciences 14.1 (2009).
15. [15] E. Özkan, E. Güler, Z. Aladağ. "Elektrik enerjisi tüketim verileri için uygun tahmin yöntemi seçimi." Endüstri Mühendisliği 31.2 (2020): 198-214.
16. [16] Y. Özger ve diğerleri. "Electrical load forecasting using genetic algorithm based holt-winters exponential smoothing method." Sakarya University Journal of Computer and Information Sciences 3.2 (2019): 108-123.
17. [17] G. Yildirim, “A novel hybrid multi-thread metaheuristic approach for fake news detection in social media”. Appl Intell 53, 11182–11202, https://doi.org/10.1007/s10489-022-03972-9, (2023).
18. [18] G.ildirim,"A novel grid-based many-objective swarm intelligence approach for sentiment analysis in social media", Neurocomputing, Vol.503, 2022, https://doi.org/10.1016/j.neucom.2022.06.092., (2022).