Türkiye'nin enerji talebinin yapay zeka teknikleriyle uzun dönem tahmini

Elektrik enerjisi tüketimi tahmini, elektrik iletim-dağıtım-üretim sistemlerinin yönetim ve planlamasında çok önemlidir. Elektrik enerjisi talebinin maksimum düzeye çıktığı dönemlerde elektrik ihtiyacının kaliteli ve sürekli sağlanabilmesi, minimum düzeye indiği dönemlerde ise işletmelerin ekonomik yönden zarara uğramaması için gerçeğe yakın tahmin edilmesi, kapasitenin ve kurulu gücün tahminlere göre ayarlanması gerekmektedir. Bunu da sağlamanın ilk ve önemli şartlarından biri de geleceğe dönük elektrik enerji talep tahminlerinin doğru yapılmasıdır. Bu tez çalışmasında, Türkiye` nin 2023 elektrik enerjisi talebi regresyon analizi ve yapay zekâ teknikleri kullanılarak tahmin edilmesi amaçlanmıştır. Bu amaçla, Türkiye enerji tüketimini tahmin etmek için 1980-2017 yılları arasındaki Gayri Safi Yurtiçi Hâsıla, nüfus ve meteorolojik değişken verileri (nem, sıcaklık, rüzgâr ve yağış) tahmin modelinin giriş verileri olarak kullanılmıştır. Regresyon analizi ve yapay zekâ teknikleri kullanılarak Türkiye' nin 2018-2023 yılları arasındaki özellikle elektrik enerji tüketimi ve yukarıda belirtilen veriler tahmin edilmiştir.

Estimation of electrical energy consumption is important for the management and planning of the electric power generation, transmission and distribution. For the period when the demand of the electrical energy increases and decreases, adjustment of installed power capacity and estimation of electrical energy demand are required in order to prevent to lose money and to provide the demand of electricity with high quality and constantly. One of the most important steps of this is to estimate the future demand on the electric energy correctly. The aim of this thesis is to estimate the energy demand of Turkey in the year of 2023 by using regression analysis and artificial intelligent techniques. For the estimation of energy consumption of Turkey, the data about gross domestic product , population, meteorological factors (humidity, temperature, wind and precipitation) between the year 1980 and 2017 are used as input data., Electrical energy consumption and other data mentioned above for the year between 2018 and 2023 are estimated with the help of regression analysis and artificial intelligent techniques.