ÇOKLU REGRESYON METODUYLA ELEKTRİK TÜKETİM TALEBİNİ ETKİLEYEN FAKTÖRLERİN İNCELENMESİ

Coşkun KARACA; Hacer KARACAN

ÇOKLU REGRESYON METODUYLA ELEKTRİK TÜKETİM TALEBİNİ ETKİLEYEN FAKTÖRLERİN İNCELENMESİ

Coşkun KARACA, Hacer KARACAN

Öz

Bilindiği üzere üretilen elektriğin makul fiyatlarla tüketiciye sunulabilmesi için ne kadar elektrik tüketileceğinin daha önceden tahmin edilmesi gerekmektedir. Bu durum 4628 ve 6446 Sayılı Elektrik Piyasası Kanunlarının yürürlüğe girmesiyle birlikte serbestleşen elektrik piyasasında elektrik arzının talebi karşılaması için yapılan üretim planlarını etkileyen en önemli faktör olmuştur. Talep tahmini için birçok veri analizi yöntemi bulunmaktadır. Bu modellerden bazıları; Yapay Sinir Ağları, Otoregresif Hareketli Ortalamalar ve Basit/Çoklu Regresyondur. Bu çalışmada, istatistiki bir kavram olan ve geçmişteki verilerin değerlendirilmesiyle sonuca ulaşan Regresyon modeli ile elektrik talep tahmini programı gerçeklenmiş ve sonuçları değerlendirilmiştir. Çalışmada Basit Regresyon ile yapılan tahminler ile Çoklu Regresyon kullanarak yapılan talep tahminlerinin sonuçları ortaya konulmuştur. Ayrıca, elektrik tüketimine etki etmesi beklenen faktörlerden "Gayri Safi Yurt içi Milli Hasıla", "Ortalama Yaşam Ömrü" ve "İnternet Kullanımı"nın tüketime etkileri de gerçeklenen programla incelenmiştir.

Anahtar Kelimeler

Regresyon; Elektrik Tüketimi; Talep Tahmini; Elektrik Üretimi

Tam Metin:

PDF

Referanslar

Juan J. Cárdenas, Luis Romeral, Antonio Garcia,Fabio Andrade, “Load forecasting framework of electricity consumptions for an Intelligent Energy Management System in the user-side”, MCIA Research Group, Universitat Politècnica de Catalunya, Rambla Sant Nebridi, Edifici GAIA, Terrassa 08222, Spain, (2012).

Burhan DURĞUN, “Elektrik Tüketimi İle Büyüme Arasında Nedensellik İlişkisi: Türkiye Örneği”, Dicle Üniversitesi Sosyal Bilimler Enstitüsü, Diyarbakır, (2013).

Türkiye İstatistik Kurumu . TÜİK Raporu. TÜİK, Ankara, (2013).

Ünler A. Improvement of energy demand forecasts using swarm intelligence: the case of Turkey with projections to 2025. Energy Policy, (2008).

Gültekin Ö, “Bursa İli Orta Dönem Elektrik Talep Tahmini”, Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü, Kütayha, (2009).

Sozen A, Arcaklioglu E. Prediction of net energy consumption based on economic indicators (GNP and GDP) in Turkey. Energy Policy 35, (2007).

Murat Kankal, Adem Akpınar, Murat İhsan Kömürcü, Talat Sükrü Özşahin, “Modeling and forecasting of Turkey’s energy consumption using socio-economic and demographic variables”, Applied Energy 88, (2011).

S. Saravanan, S. Kannan and C. Thangaraj, “Predıctıon Of India’s Electrıcıty Demand Using Anfis”, Ictact Journal On Soft Computing, (2015).

Stratejik Analiz, Enerji Politikaları ve Küresel Gelişmeler, Pamir N., Ankara 68-74, (2005).

Li-Chih Ying, Mei-Chiu Pan, “Using adaptive network based fuzzy inference system to forecast regional electricity loads”, Energy Conversion and Management 49, (2008).

Anderson, J. A.,. “An introduction to neural networks”, MA: MIT Press. Cambridge (1995).

ŞENER F., "Yük Tahmin Yöntemleri ve Ankara Merkez Metropol Alan İçin Regresyon Analizi Yöntemi Kullanılarak Uygulanması", Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara, (2005).

Hesham K. Alfares, Mohammad Nazeeruddin, “Electric load forecasting: Literature survey and classification of methods”, (2010).

Öztemel, E , “Yapay sinir ağları”, Papatya Yayıncılık, 2.Baskı, İstanbul, 29-57, (2006).

Pei-Chann Chang, Chin-Yuan Fan, Jyun-Jie Lin, “Monthly Electricity Demand Forecasting Based On A Weighted Evolving Fuzzy Neural Network Approach”, Electrical Power and Energy Systems 33, (2011).

Günaşdı N Elif, “Çok Değişkenli Çoklu Doğrusal Regresyon Analizinin İncelenmesi”, Atatürk Üniversitesi Fen Bilimler Enstitüsü, Erzurum, (2014).

Kaynar, O., Taştan S., Demirkoparan F., “Yapay sinir ağları ile doğalgaz tüketim tahmini”, 10. Ekonometri ve İstatistik Sempozyumu, Atatürk Üniversitesi, Erzurum, (2009).

Can, Mustafa, İşletmelerde Zaman Serileri Analizi ile Tahmin, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü Doktora Tezi, İstanbul, (2009).

http://data.worldbank.org/country/turkey/turkish

DOI: https://doi.org/10.15317/Scitech.2016320514