Araştırma Makalesi
BibTex RIS Kaynak Göster

Türkiye’de Elektrik Tüketiminde Talep Tahmini: Zaman Serisi Ve Regresyon Analizi İle Karşılaştırma

Yıl 2021, Sayı: 31, 348 - 357, 31.12.2021
https://doi.org/10.31590/ejosat.998277

Öz

Değişen Dünya koşullarında ve artan nüfusa bağlı olarak, Ülkelerin ekonomik ve sosyal süreçlerinin gelişmesinin en temel ihtiyaçlardan biri, enerjidir. Tüketimin artması sonucu, kaynakların kısıtlı olması ve sanayileşmenin de getirmiş olduğu çeşitli ihtiyaçlar, insanların taleplerinin değişmesine ve farklı sınıflara ayrılmasına neden olmuştur. Firmalar ve kurumlar bu çeşitlilik artışı sonucunda doğrudan etkilenmiş, üretim artmış ve bu sayede ülkelerde ekonomik bakımdan kalkınmıştır. Üretimde dışa bağımlılık, ürünlerin ve bazı enerji kaynaklarının önceden tahmininin yapılması arz- talep dengesi açısından son derece önem teşkil etmektedir. Elektrik enerjisinin depolanma imkânları kısıtlıdır. Bu nedenle, talep miktarına göre enerji üretimi yapılması, kritik derecede öneme sahiptir. Aksi halde talepten fazla gerçekleşen alımlarda depolama kısıtından dolayı kaynak israfına ve devletlerin borçlanmasına sebep olabilmektedir. geleceğe yönelik talep tahminlerinin doğru yapılması kaynakların doğru yönetilmesi bakımından önem taşımaktadır. Bu çalışmada, Türkiye’de ki elektrik tüketim verileri doğrultusunda, regresyon analizi ve zaman serisi tekniklerinden faydalanılarak talep tahmini analizi yapılmıştır. Elde edilen veriler sonucunda, TÜİK tarafından alınan var olan değerler ile regresyon ve zaman serisi sonucunda yapmış olduğumuz talep tahmin sonuçlarının birbirlerine yakın olduğu gözlemlenmiştir.

Kaynakça

  • Ağır, H. & Kar, M., 2010, "Türkiye’de elektrik tüketimi ve ekonomik gelişmişlik düzeyi ilişkisi: yatay kesit analizi". Sosyoekonomi, 6(12), 149-175.
  • Alev, N. & Erdemli, M., 2019, “Elektrik enerjisi tüketimi ve ekonomik büyüme ilişkisi: avrupa birliği ülkeleri ve türkiye için bir analiz”, Assam Uluslararası Hakemli Dergi, 6 (15) , 88-111 .
  • Altınay, G., 2010, "Aylık Elektrik Talebinin Mevsimsel Model ile Orta Dönem Öngörüsü.", Enerji, Piyasa ve Düzenleme: 1-23.
  • Al-Hafid, M. S., & Al-maamary, G. H. (2012). Short term electrical load forecasting using holtwinters method. AL Rafdain Engineering Journal, 20(6), 15-22.
  • Ceylan, H., (2021). Çevresel Etki Değerlendirmesi Uygulamalarında Enerji Sektörü Analizi, Avrupa Bilim ve Teknoloji Dergisi, (27), 237-242.
  • Demirel, Ö., Kakilli, A., & Tektaş. M., 2010, "ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini", Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi: 601-610.
  • Enerji görünümü, 2020. Son Erişim tarihi: 07.09.2021. https://www.tskb.com.tr/i/assets/document/pdf/enerji-sektor-gorunumu-2020.pdf.
  • Es, H. A., Kalender F., & Hamzaçebi, Ç., 2014, “Yapay sinir ağları ile Türkiye net enerji talep tahmini”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 29(3), 495 - 504.
  • Erdoğdu, E., 2007, "Electricity demand analysis using cointegration and ARIMA modelling: A case study of Turkey." Energy Policy 35: 1129-1146.
  • Hamzaçebi, C., 2007, “Forecasting of Turkey’s net electricity energy consumption on sectoral bases”, Energy Policy, cilt 35, ss. 2009-2016.
  • Hussain, A., & Rahman, M,. & Memon, J. A., 2016, "Forecasting electricity consumption in Pakistan: the way forward," Energy Policy, Elsevier, vol. 90(C), pages 73-80.
  • Jiang, W., Wu, X., Gong, Y., Yu, W., & Zhong, X., 2020, “Holt–Winters smoothing enhanced by fruit fly optimization algorithm to forecast monthly electricity consumption”, Energy, 193, 116779.
  • Mahmutoğlu, M., & Öztürk, F. (2015), “Türkiye elektrik tüketimi öngörüsü ve bu kapsamda geliştirilebilecek politika önerileri”, In EY International Congress on Economics II (EYC2015), November 5-6, 2015, Ankara, Turkey (No. 239). Ekonomik Yaklasim Association.
  • Özkan, E. , Güler, E. & Aladağ, Z. (2020). Elektrik enerjisi tüketim verileri için uygun tahmin yöntemi seçimi . Endüstri Mühendisliği,31(2),198-214.
  • Son, H., & Kim, C., 2017, “Short-term forecasting of electricity demand for the residential sector using weather and socialvariables”, Resources, conservation and recycling, 123, 200-207.
  • Taylor, J. W., & McSharry, P. E., 2008, “Short-term load forecasting methods: An evaluation based on european data”, IEEE Transactions on Power Systems, 22(4), 2213-2219.
  • Toker, A.C., & Korkmaz. O., 2009, ""Türkiye kısa süreli elektrik talebinin saatlik olarak tahmin edilmesi.", Erişim tarihi: 07 Eylül 2021. http://www.emo.org.tr/ekler/d6d1c493ddc8662_ek.pdf.
  • Yergök, D. & Acı, M. (2019). Toplu Yemek Üretiminde Günlük Talep Tahmini için Alternatif Bir Yaklaşım:Öğrenci Regresyon. European Journal of Science and Technology, (Özel Sayı), 64-73.
  • Yüksel Haliloğlu, E. & Tutu, B. E., 2018, “Türkiye için kısa vadeli elektrik enerjisi talep tahmini”, Yaşar Üniversitesi E-Dergisi , 13 (51) , 243-255 .

Demand Forecasting for Electricity Consumption in Turkey: Comparison with Time Series and Regression Analysis

Yıl 2021, Sayı: 31, 348 - 357, 31.12.2021
https://doi.org/10.31590/ejosat.998277

Öz

Depending on the changing world conditions and increasing population, one of the most basic needs for the development of the economic and social processes of countries is energy. As a result of increased consumption, limited resources and various needs brought by industrialization, people's demands have changed and they have been divided into different classes. Firms and institutions have been directly affected by this increase in diversity, production has increased and countries have developed economically. Foreign dependency in production, forecasting of products and some energy resources is extremely important in terms of the balance. of supply demand. The storage possibilities of electrical energy are limited. Therefore, it is critically important to produce energy according to the amount of demand. Otherwise, more supply than demand may cause waste of resources and borrowing of states due to storage constraints. Making accurate forecasts of future demand is important for the correct management of resources. In this study, demand forecasting analysis has been made by using regression analysis and time series techniques using electricity consumption data in Turkey. As a result of the study, it has been observed that the existing values obtained by TÜİK and the demand forecast results we reached as a result of regression and time series are close to each other

Kaynakça

  • Ağır, H. & Kar, M., 2010, "Türkiye’de elektrik tüketimi ve ekonomik gelişmişlik düzeyi ilişkisi: yatay kesit analizi". Sosyoekonomi, 6(12), 149-175.
  • Alev, N. & Erdemli, M., 2019, “Elektrik enerjisi tüketimi ve ekonomik büyüme ilişkisi: avrupa birliği ülkeleri ve türkiye için bir analiz”, Assam Uluslararası Hakemli Dergi, 6 (15) , 88-111 .
  • Altınay, G., 2010, "Aylık Elektrik Talebinin Mevsimsel Model ile Orta Dönem Öngörüsü.", Enerji, Piyasa ve Düzenleme: 1-23.
  • Al-Hafid, M. S., & Al-maamary, G. H. (2012). Short term electrical load forecasting using holtwinters method. AL Rafdain Engineering Journal, 20(6), 15-22.
  • Ceylan, H., (2021). Çevresel Etki Değerlendirmesi Uygulamalarında Enerji Sektörü Analizi, Avrupa Bilim ve Teknoloji Dergisi, (27), 237-242.
  • Demirel, Ö., Kakilli, A., & Tektaş. M., 2010, "ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini", Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi: 601-610.
  • Enerji görünümü, 2020. Son Erişim tarihi: 07.09.2021. https://www.tskb.com.tr/i/assets/document/pdf/enerji-sektor-gorunumu-2020.pdf.
  • Es, H. A., Kalender F., & Hamzaçebi, Ç., 2014, “Yapay sinir ağları ile Türkiye net enerji talep tahmini”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 29(3), 495 - 504.
  • Erdoğdu, E., 2007, "Electricity demand analysis using cointegration and ARIMA modelling: A case study of Turkey." Energy Policy 35: 1129-1146.
  • Hamzaçebi, C., 2007, “Forecasting of Turkey’s net electricity energy consumption on sectoral bases”, Energy Policy, cilt 35, ss. 2009-2016.
  • Hussain, A., & Rahman, M,. & Memon, J. A., 2016, "Forecasting electricity consumption in Pakistan: the way forward," Energy Policy, Elsevier, vol. 90(C), pages 73-80.
  • Jiang, W., Wu, X., Gong, Y., Yu, W., & Zhong, X., 2020, “Holt–Winters smoothing enhanced by fruit fly optimization algorithm to forecast monthly electricity consumption”, Energy, 193, 116779.
  • Mahmutoğlu, M., & Öztürk, F. (2015), “Türkiye elektrik tüketimi öngörüsü ve bu kapsamda geliştirilebilecek politika önerileri”, In EY International Congress on Economics II (EYC2015), November 5-6, 2015, Ankara, Turkey (No. 239). Ekonomik Yaklasim Association.
  • Özkan, E. , Güler, E. & Aladağ, Z. (2020). Elektrik enerjisi tüketim verileri için uygun tahmin yöntemi seçimi . Endüstri Mühendisliği,31(2),198-214.
  • Son, H., & Kim, C., 2017, “Short-term forecasting of electricity demand for the residential sector using weather and socialvariables”, Resources, conservation and recycling, 123, 200-207.
  • Taylor, J. W., & McSharry, P. E., 2008, “Short-term load forecasting methods: An evaluation based on european data”, IEEE Transactions on Power Systems, 22(4), 2213-2219.
  • Toker, A.C., & Korkmaz. O., 2009, ""Türkiye kısa süreli elektrik talebinin saatlik olarak tahmin edilmesi.", Erişim tarihi: 07 Eylül 2021. http://www.emo.org.tr/ekler/d6d1c493ddc8662_ek.pdf.
  • Yergök, D. & Acı, M. (2019). Toplu Yemek Üretiminde Günlük Talep Tahmini için Alternatif Bir Yaklaşım:Öğrenci Regresyon. European Journal of Science and Technology, (Özel Sayı), 64-73.
  • Yüksel Haliloğlu, E. & Tutu, B. E., 2018, “Türkiye için kısa vadeli elektrik enerjisi talep tahmini”, Yaşar Üniversitesi E-Dergisi , 13 (51) , 243-255 .
Toplam 19 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Emine Elif Nebati 0000-0002-3950-4279

Murat Taş 0000-0003-3964-536X

Gamze Ertaş 0000-0002-0562-6294

Yayımlanma Tarihi 31 Aralık 2021
Yayımlandığı Sayı Yıl 2021 Sayı: 31

Kaynak Göster

APA Nebati, E. E., Taş, M., & Ertaş, G. (2021). Türkiye’de Elektrik Tüketiminde Talep Tahmini: Zaman Serisi Ve Regresyon Analizi İle Karşılaştırma. Avrupa Bilim Ve Teknoloji Dergisi(31), 348-357. https://doi.org/10.31590/ejosat.998277