You are here

Home » Content

Yapay Sinir Ağları Yöntemiyle Türkiye’nin Enerji Talebi Tahmini: Üç Senaryo Uygulaması

Forecasting Turkey’s Energy Demand Using Artificial Neural Networks: Three Scenario Applications

Journal Name:

  • Ege Akademik Bakış Dergisi

Publication Year:

  • 2011

Key Words:

Keywords (Original Language):

Author NameUniversity of Author
Abstract (2. Language): 
Energy has become increasingly crucial for countries as we have experienced high economic growth, increases in population together with rapid urbanization in the globalized world. Turkey’s energy demand has grown rapidly and is expected to continue growing. In this context many studies have been carried out to forecast energy demand in Turkey. The energy demand forecasts are officially prepared by the Turkish Ministry of Energy and Natural Resources (MENR). However, MENR forecasts are significantly higher when compared with realized demand and the results of other academic studies. In this study, Turkey’s energy demand is forecasted by using artificial neural network technique, a type of artificial intelligence application. For this purpose, three different scenarios are developed. These are: ‘static scenarios’, where economic growth is assumed to be stable, ‘sustainability scenarios’, where energy intensities are assumed to be decreasing and finally ‘periodic-change scenarios’, where the economic growth is assumed to change during five different time periods by 2030. Moreover, both static and sustainability scenarios are further investigated under high, medium and slow economic growth assumptions. Periodic-change scenarios also consist of two sub-scenarios, where energy intensities are assumed to decrease and stay the same. All scenarios are applied to the total energy demand of Turkey. The results of the energy demand estimations found by our models are compared with the official estimations of the MENR. It is concluded that the MENR estimations are significantly higher than what we have found with our models.
Bookmark/Search this post with
Abstract (Original Language): 
Küreselleşen dünyada yüksek ekonomik büyüme, nüfus artışı ve hızlı şehirleşme nedeniyle enerji ülkeler için önemi sürekli artan bir konu haline gelmiştir. Türkiye’nin enerji talebi hızlı bir artış seyri göstermektedir ve gelecekte de bu hızlı artışın devam etmesi beklenmektedir. Bu bağlamda, Türkiyenin gelecek enerji talebini tahmin etmeye çalışan birçok çalışma yapılmıştır. Enerji talep tahminlerini ülkede resmi olarak Enerji ve Tabi Kaynaklar Bakanlığı (ETKB) hazırlamaktadır. Ancak, ETKB’nin yapmış olduğu tahminler gerçekleşen talep değerleri ve diğer akademik çalışmaların bulgularından oldukça yüksek çıkmaktadır. Bu çalışmada, Türkiye’nin enerji talebi yapay zeka uygulamasının bir türü olan yapay sinir ağları tekniği kullanılarak tahmin edilmiştir. Bu amaçla, üç farklı senaryo geliştirilmiştir. Bunlar; ekonomik büyümenin istikrarlı büyüdüğünü varsayan ‘statik senaryo’, enerji yoğunluklarının azaldığını varsayan ‘sürdürülebilir senaryo’ ve son olarak 2030 yılına kadar ekonomik büyümenin her beş yıllık dönemde değiştiğini varsayan ‘dönemsel-değişim senaryo’sudur. Bunun yanında, statik ve sürdürülebilir senaryolar yüksek, orta ve düşük ekonomik büyüme varsayımları altında ayrıca incelenmiştir. Dönemsel-değişim senaryosu enerji yoğunluklarının azaldığı ve sabit kaldığı iki alt-senaryo durumunu da incelenmektedir. Tüm senaryolar Türkiye’nin toplam enerji talebi tahmini için kullanılmıştır. Modellerimizin bulguları ETKB’nin bulduğu resmi sonuçlarla karşılaştırılmıştır. Ortaya çıkan sonuçlara göre, resmi kurum tahminleri bizim tüm senaryo bulgularımızdan önemli derecede yüksek çıkmaktadır.
FULL TEXT (PDF): 
PDF icon arastirmax-yapay-sinir-aglari-yontemiyle-turkiyenin-enerji-talebi-tahmini-uc-senaryo-uygulamasi.pdf
87-94
  • English

REFERENCES

References: 

Canyurt, E. O., Ceylan, H., Öztürk, H. K., ve Hepbaşlı,
A. (2004) “Energy Demand Estimation Based on
Two-Different Genetic Algorithm Approaches” Energy
Sources, 26: 1313-1320.
Ceylan, H. ve Öztürk, H. K. (2004) “Estimating
Energy Demand of Turkey Based on Economic Indicatiors
Using Genetic Algorithm Approach” Energy Conversion
and Management, 45:2525-2537.
Ceylan, H., Ceylan, H., Haldenbilen, S. ve Baskan,
Ö. (2008) “Transport Energy Modeling With Meta-Heuristic
Harmony Search Algorithm, An Application to
Turkey” Energy Policy, 36:2527-2535.
Ceylan, H., Öztürk, H. K., Hepbaşlı, A., ve Utlu,
Z. (2005) “Estimating Energy end Exergy Production
and Consumption Values Using Three Different Genetic
Algorithm Approaches. Part 1: Model Development”
Energy Sources, 27:621-627.
Ediger, V., Ş ve Tatlıdil, H. (2002) “Forecasting the
Primary Energy Demand in Turkey and Analysis of
Cyclic Patterns” Energy Conversion and Management,
43:473-487.
Ediger, V.Ş ve Akar, S. (2007) “ARIMA Forecasting
of Primary Energy Demand by Fuel in Turkey” Energy
Policy, 35:1701-1708.
Efe, Ö. ve Kaynak, O. (2004) Yapay Sinir Ağları ve
Uygulamaları, İstanbul, Boğaziçi Üniversitesi Yayınevi.
Erdoğdu, E. (2007) “Electricity Demand Analysis
Using Cointegration and ARIMA Modelling: A Case
Study of Turkey” Energy Policy, 35:1129-1146.
Görücü, F.B., Geriş, P., U. ve Gumrah, F. (2004)
“Artificial Neural Network Modeling for Forecasting Gas
Consumption” Energy Sources, 26:299-307.
Görücü, F.B. ve Gümrah, F. (2004) “Evaluation and
Forecasting of Gas Consumption by Statistical Analysis”
Energy Sources, 26:267-276.
Haldenbilen, S. ve Ceylan, H. (2005) “Genetic Algorithm
Approach To Estimate Transport Energy Demand
In Turkey” Energy Policy, 33:89–98.
Hamzaçebi, ve Kutay, F. (2004) “Yapay Sinir Ağları
İle Türkiye Elektrik Enerjisi Tüketiminin 2010 Yılına
Kadar Tahmini” Gazi Üniersitesi. Mühendislik. Mimarlık.
Fakültesi Dergisi, 19(3):227-233.
Kaastra, I. ve Boyd, M. (1996) “Designing a Neural
Network for Forecasting Financial and Economic Time
Series” Neurocomputing, 10:215-236.
Karakaya, E. (2008) Küresel Isınma ve Kyoto Protokolü;
İklim Değişikliğinin Bilimsel, Ekonomik ve Politik
Analizi, İstanbul, Bağlam Yayınları.
Kavaklıoğlu, K., Ceylan, H., Öztürk, H. K. ve Canyurt,
O. E. (2009) “Modelig and Prediction of Turkey’s
Electricity Consumption Using Artifical Neural Networks”
Energy Conversion and Management, 50:2719-
2727.
Lise, W. ve Van Montfort, K. (2007) “Energy Consumption
and GDP in Turkey: Is There a Co-integration
relationship?” Energy Economics, 29(6):1166-1178.
Murat, Y.,S. ve Ceylan, H. (2006) “Use of Artificial
Neural Networks for Transport Energy Demand Modeling”
Energy Policy, 34:3165-3172.
Orhan, M. (2007) “Enerji Talebinin Kısa ve Uzun
Dönem Dinamik Analizi: Türkiye Uygulaması”, Yayınlanmamış
Yüksek Lisans Tezi, Kayseri, Erciyes Üniversitesi.
Öztürk, H. K., Ceylan, H., Canyurt, O. E. ve Hepbaşlı,
A. (2005) “Electricity Estimation Using Genetic
Algorithm Approach: A Case Study of Turkey” Energy,
30:1003-1012.
Pamir, N. (2003) “Dünyada ve Türkiye’de Doğal
Kaynaklar ve Enerji Politikaları” DESEM, İzmir.
Piché, S.W. (1994) “Steepest Descent Algorithms for
Neural Network Controllers and Filtres”, IEEE Transactions
on Neural Networks, 5(2):198-212.
Sharda, R. ve Patil, R. (1992) “Connectionist Approach
to Time Series Prediction: An Empirical Test” Journal
of Intelligent Manufacturing, 3(5):317-323.
Sözen, A. ve Arcaklioğlu, E. (2007) “Prediction of
Net Energy Consumption Based on Economic Indicators
(GNP and GDP) in Turkey” Energy Policy, 35:4981-4992.
Sözen, A., Akçayol, M. A., ve Arcaklıoğlu, E. (2006)
“Forecasting Net Energy Consumption Using Artificial
Neural Network”, Energy Sources, 1(2):147-155.
Toksarı, M. D. (2007) “Ant Colony Optimization
Approach to Estimate Energy Demand of Turkey”
Energy Policy, 35:3984-3990.
Toksarı, M. D. (2009) “Estimating The Net Electricity
Energy Generation and demand Using The Ant
Colony Optimization Approach: Case of Turkey” Energy
Policy, 37:1181-1187.
Tunç, M., Çamdalı, Ü. ve Parmaksızoğlu, C. (2006)
“Comparison of Turkey’s Electrical Energy Consumption
and Production with Some European Countries and
Optimization of Future Electrical Power Supply Investments
in Turkey” Energy Policy, 34:50-59.
Ünler, A. (2008) “ Improvement of Energy Demand
Forecasts Using Swarm Intelligence: The Case of Turkey
with Projections to 2025” Energy Policy, 36:1937-1944.
Yumurtacı, Z. ve Asmaz, E. (2004) “Electric Energy
Demand of Turkey for the Year 2050”, Energy Sources,
26:1157-1164.
Yurtoğlu, H. (2005) Yapay Sinir Ağları Metedolojisi
ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler
için Türkiye Örneği, Uzmanlık Tezi, Ekonomik
Modeller ve Strateji Araştırmalar Genel Müdürlüğü,
Devlet Planlama Teşkilatı, No:2683.
Yüksek, Ö., Kömürcü, M. İ., Yüksel, İ. ve Kaygusuz,
K. (2006) “The Role of Hydropower In Meeting Turkey’s
Electric Energy Demand” Energy Policy, 34:3093-3103.

Thank you for copying data from http://www.arastirmax.com