Enerji talep tahmini için metodoloji geliştirme: 2030 yılı Türkiye örneği

Abstract

Dünya genelinde çeşitli etkenlerden dolayı her geçen gün elektrik enerjisine olan talep artmaktadır. Artan bu ihtiyacı karşılamak adına geleceğe yönelik verimlilik noktasında plan ve yatırımlara gereksinim vardır. Elektriğin üretimi, iletilmesi, dağıtılması, sistemlerin birbirleri arasındaki entegrasyonu ve üretilen bu enerjinin hangi şebeke bağlantısından tüketiciye ulaştırılması gerektiği düşünüldüğünde güvenilir talep tahminleri önem arz etmektedir. Ülkemize kritik noktalarda fayda sağlayabilmek ve talep tahmini sonucuna farklı bir bakış yaratabilmek adına çalışmada yapay sinir ağları ve çoklu regresyon analizi yöntemleri kullanılarak Türkiye’nin iller bazında 2009-2018 yıllarına ait verileriyle 2030 yılı elektrik enerjisi ihtiyaç tahminleri için senaryolar üretilmiştir. Nüfus, ortalama hane halkı büyüklüğü, eğitim durumu, Gayri Safi Yurtiçi Hâsıla, ihracat, ithalat, sanayi girdi ve elektrik enerji tüketim miktarı modellerde çıktı verisi olarak kullanılmıştır. Modeller ile Türkiye’nin 81 iline ait 2030 yıllı elektrik enerjisi talebinin tahmin performans analizlerinde ortalama %98 mutlak başarı elde edilmiş ve coğrafi bilgi sistemlerinden faydalanılarak sonuç haritaları üzerinde tartışılmıştır.

The demand for electrical energy is increasing day by day due to various factors throughout the world. Plans and investment for productivity in the future are needed to meet this need increasing. Reliable demand estimations are important in matters considered such as electricity generation, transmission, distribution, integration with each other of systems, how much energy in power plants should be produced and the consumer should be delivered from which grid connection the generated energy. Using artificial neural networks and multiple regression analysis methods in the study, scenarios were produced for the 2030 year electrical energy needs estimates with the 2009-2018 year dates in provinces of Turkey to benefit our country at critical points and create a different perspective on the demand estimation result. Population, average household size, education level, gross domestic product, exports, imports, industrial were used as the input data of models and electrical energy consumption were used as the output data of models. An average of %98 absolute success in the models was obtained in estimation performance analysis of the 2030 year electricity energy demand with Turkey’s 81 province. Utilizing geographic information systems was discussed on result maps.