Ekonometrik ve yapay sinir ağları yaklaşımları ile Türkiye'nin bölgesel uzun dönem elektrik talebinin ve buna bağlı CO2 emisyonunun tahmini
Forecasting Turkey?s regional long term electricity demand and associated CO2 emission by econometric and artificial neural network approaches
- Tez No: 216754
- Danışmanlar: DR. MERİH AYDINALP KÖKSAL
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Bölümü
- Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 254
Özet
Türkiye'nin hızlı nüfus artışı ve ekonomik büyümesiyle paralel olarak enerji ve özellikle elektrik kullanımında büyük artış vardır. Uzun dönem elektrik talebinin tahmin edilmesi, ülkemizin enerji stratejisininin belirlenmesinde önemli rol oynayacaktır. Bu tez çalışmasında, Türkiye'nin uzun dönem elektrik talebini tahmin edebilecek ekonometrik ve yapay sinir ağları modelleri geliştirilmiş; 2020 yılına kadar elektrik talebi, tepe yük ve buna bağlı olarak termik santrallerden kaynaklanan CO2 emisyon miktarları tahmin edilmiştir. Çalışma kapsamında, modellerin oluşturulması için sıcaklık verileri, elektrik yük verileri, elektrik tüketim verileri, ekonomik ve demografik veriler, elektrik santral verileri, takvim verileri ve elektrik tarife bilgileri kullanılmıştır. Öncelikle, tahmin modellerin yaratılması amacıyla, normalize edilmiş sıcaklık değerleri oluşturulmuştur. Ekonometrik modellerde uzun dönem tahminlerde kullanılacak ekonomik ve demografik veriler bölgesel ve sektörel bazda kötümser, vasat ve iyimser senaryolar için tahmin edilmiştir. Her üç senaryo için 2020 yılına kadar bölgesel elektrik talep tahminleri yapılmıştır. Türkeyi geneli talep tahminleri, planlalan termik santrallerin yakıt türleri bazında dağıtılmıştır. Bu yakıt türlerinin emisyon faktörleri kullanılarak Türkiye'nin uzun dönem CO2 emisyonu elde edilmiştir. Modellerin sonuçlarına göre Türkiye genelinde 2020 yılı için kötümser, vasat ve iyimser senaryolara için elektrik tüketim değerleri sırasıyla 325 TWh, 374 TWh ve 413 TWh olarak tahmin edilmektedir. Bunun yanında, 2020 yılında yaklaşık CO2 emisyonunun senaryolara göre sırasıyla 138, 177 ve 207 milyon ton olması beklenmektedir.
Özet (Çeviri)
Turkey?s rapidly growing population and economy have fueled a rapidly growing demand for energy, particularly for electricity. Long term electricity demand forecasts would play an vital role in determining Turkey?s energy strategy. In this thesis study, econometric and artificial neural network models are developed to forecast long term electric demand; total and peak loads, and associated CO2 emissions from thermic power plants are forecasted till to 2020. In the scope of this study, temperature, electric load, electric consumption, economic and demographic, power plant, calendar, and electric tariff data are used to develop the demand models. Firstly, normalized temperature variables are develop for forming the demand forecast models. Economic and demographic variables are projected based on low, medium and low scenarios on regional and sectoral basis to be used in the econometric models. Regional demand forecasts to 2020 are done based on three scenarios. Turkey?s forecasted total demand is distributed based on the fuel type of the planned power plants. Long term associated CO2 emission is obtained using the emission factors of the fuel types. Based on the models results, the total forecasted electricity demand of Turkey in 2020 is estimated as 325 TWh, 374 TWh and 413 TWh for low, medium and high scenarios, respectively. Furthermore, CO2 emission for 2020 is predicted as 138, 177, and 207 million tonnes for low, medium, and high scenarios, respectively.
Benzer Tezler
- Türkiye'nin havayolu taşıyıcı modellerine göre yolcu talebinin çoklu doğrusal regresyon, ANFIS ve YSA teknikleri ile tahminlenmesi
Estimation of passenger demand in Turkey according to airline carrier models using multiple linear regression, ANFIS and YSA techniques
FATMA ŞEYMA YÜKSEL
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAHİDE FİGEN ANTMEN
- Türkiye'de binek otomobili endüstrisinin talebine kantitatif bir yaklaşım
A quantitative approach to passenger car demand in Turkey
UĞUR ŞENER
- Comparison and analysis of logistic regression, neural networks and naïve bayes machine learning algorithms for predicting child labor in Turkey
Lojistik regresyon, sinir ağları ve naïve bayes makine öğrenimi algoritmalarının karşılaştırılması ve analizi: Türkiye'de çocuk işçiliğinin öngörülmesi örneği
MEHMET ROHAT BİNGÖL
Yüksek Lisans
İngilizce
2023
İstatistikMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. AHMET METE ÇİLİNGİRTÜRK
- Likert tipi verilerde bulanık mantık ve derin öğrenme entegrasyonu
Fuzzy logic and deep learning integration in likert type data
ZEYNEP ÜNAL
- Global kriz dönemi sonrası finansal başarısızlığın öngörüsünde yapay sinir ağları ve logit modellerinin karşılaştırılması
Post- period global crisis the comparison of artificial neural networks and logit models in prediction of financial failure
TUĞBA GÖKDEMİR
Yüksek Lisans
Türkçe
2015
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. EBRU ÇAĞLAYAN AKAY