The empirical analysis of international climate policies for energy decisions
Uluslararası iklim politikalarının enerji kararları için ampirik analizi
- Tez No: 974345
- Danışmanlar: PROF. DR. CEYDA OĞUZ
- Tez Türü: Doktora
- Konular: Enerji, Endüstri ve Endüstri Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Energy, Industrial and Industrial Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Enerji optimizasyon modeli, Karbon emisyonu, Makine öğrenmesi yöntemleri, Sürdürülebilir enerji, Sıfır emisyon, Veri yönlendirmeli öğrenme, İklim politikaları, Deep learning, Energy optimization model, Carbon emission, Machine learning methods, Sustainable energy, Zero emission, Data-driven learning, Climate policy
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği ve Operasyon Yönetimi
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Paris Anlaşması, küresel sıcaklık artışını 1,5°C'nin altında tutma hedefiyle enerji sistemlerini radikal biçimde dönüştürmeye iterken, Avrupa Birliği Emisyon Ticareti Sistemi (ETS) ve Karbon Sınır Düzenleme Mekanizması (CBAM) gibi piyasa-temelli ekonomik araçlar, karbon emisyonuna ilişkin ekonomik yükün uluslararası düzeyde paylaşılmasını hızlandırmaktadır. Bu baskı, ülkeleri hem arz güvenliğini koruyacak hem de maliyeti kontrol altında tutacak şeffaf, uygulanabilir ve karşılaştırılabilir planlama araçlarına yöneltmektedir. Veri yoğunluğu yüksek genel denge modelleri bu ihtiyaca yanıt vermede sınırlı kalırken,“kara kutu”niteliği taşıyan yapay öğrenme tabanlı tahmin modelleri politika yapıcılar açısından yeterli denetlenebilirlik ve şeffaflık sunmamaktadır. Tamamlayıcı nitelikte dört makalelik bir seriden oluşan bu tez çalışması, 147 ülkeyi kapsayan küresel enerji analizinden yola çıkıp Türkiye ölçeğindeki ulusal dinamiklere ve elektrik sektörü ayrıntısına inen katmanlı bir hibrit metodoloji geliştirerek söz konusu boşlukları kapatmayı hedeflemektedir. Hesaplama yükü fazla olmayan kısmi denge ekonomisi, çoklu-çıktı yapay öğrenme ve optimizasyon yöntemlerini bir araya getiren bu çalışma, farklı karbon fiyat senaryoları çerçevesinde ETS/CBAM koşullarında maliyet, karbon ve güvenlik dengesini denetlenebilir şekilde sunmaktadır. Küresel–ulusal–sektörel ölçeklerde ardışık kurgulanmış dört makale ile Paris Anlaşması'nın karbon kısıtlarını enerji güvenliği ve mali etkinlik hedefleriyle eşzamanlı ele alan yenilikçi bir planlama yaklaşımı önerilmektedir. İlk makalede geliştirilen kısmi denge modeli, 147 ülkenin 1997–2014 fosil yakıt payını ortalama %0,28–0,34 mutlak hatayla yeniden üretmekte ve karbon vergisi–teşvik paketlerinin bütçe dengesi bozulmadan 2°C patikasına uyum sağladığını göstermektedir. İkinci makale, çok düzeyli yapay öğrenme ile“yönetişim güncelleme periyodu”nu modellemekte ve fosil payını ilave yüzde 6 puan düşüren optimum politika döngüsünü nicel olarak tanımlamaktadır. Ulusal düzeye indirgenen üçüncü makale, Türkiye'nin 2030 yılına yönelik elektrik kurulu gücünü, parametrik bir amortisman modeli ile LSTM/GRU tabanlı derin öğrenme tahminleri arasındaki karşılaştırma üzerinden değerlendirmektedir. Derin öğrenme yaklaşımı, hidroelektrik üretiminde hata oranını anlamlı ölçüde azaltarak daha yüksek tahmin doğruluğu sağlamaktadır.“Yeşil Büyüme”senaryosu, yenilenebilir enerji payını %56'dan %79'a yükseltirken, elektrik üretimindeki karbon yoğunluğunu 160 kg CO₂/MWh seviyesine indirmektedir. Son makalede, çoklu çıktı (MO) tahminleri, küme örtüleme (set covering) optimizasyonu ve çift kademeli ızgara arama (grid search) yöntemiyle bütünleştirilmektedir. Bu yapı sayesinde toplam kök ortalama kare hata (RMSE) 0,587'ye gerilemekte; yenilenebilir enerji kapasitesi 2024 yılına kıyasla 2,2 kat artmakta ve ızgara tarama yöntemiyle yapılandırılan senaryo, en düşük CO₂ emisyon profiline ulaşmaktadır. Çok katmanlı hibrit metodolojiyi kullanan dört makaleden elde edilen ortak bulgular, üç özgün katkı sunmaktadır: (i) hesaplama yükü düşük küresel modelleme çıktılarının ulusal düzeydeki yapay öğrenme modellerine sorunsuz ve uyumlu biçimde entegre edilmesini sağlamakta, (ii) çoklu çıktı mimarisi sayesinde farklı enerji kaynakları arasındaki eşzamanlı ilişkiyi doğrudan modelleyebilmekte, (iii) optimizasyon araçlarını yapay öğrenme tabanlı tahminlerle çift yönlü etkileşim halinde kullanarak, karar alma, maliyet ve risk boyutlarını bütüncül bir çerçevede değerlendirmeye olanak tanımaktadır. Bulgular, uzun vadeli bir planlama perspektifiyle birleşen güçlü karbon fiyatlaması ve veri temelli kapasite tahsisinin, toplam sistem maliyetlerini azaltırken karbon yoğunluğunu Paris Anlaşması'yla uyumlu düzeylere çekebileceğini ortaya koymaktadır. Sonuç olarak, bu tez çalışmasının geliştirdiği metodoloji, ETS–CBAM ortamında politika yapıcılara ölçeklenebilir, denetlenebilir ve uygulanabilir bir karar destek seti sunmaktadır.
Özet (Çeviri)
While the Paris Agreement enforces a radical transformation of energy systems to limit global temperature rise to below 1.5°C, market-based economic instruments, like the European Union Emissions Trading System (ETS) and the Carbon Border Adjustment Mechanism (CBAM), accelerates the internalization of carbon emission costs internationally. This pressure demands transparent, feasible, and comparable planning tools to safeguard supply security while controlling costs. However, significant gaps persist: data-intensive general equilibrium models fall short in responsiveness, and machine learning-based prediction models, as“black boxes”, lack sufficient auditability and transparency for policymakers. This dissertation, comprising a complementary series of four papers, aims to fill the identified gap by developing a multi-layered hybrid methodology building on the global energy analysis covering 147 countries and extending it to national dynamics of Türkiye and electricity sector in detail. This study integrates computationally efficient partial equilibrium economics, multi-output machine learning, and optimization methods to provide a controllable trade-off between cost, carbon, and energy security under ETS/CBAM conditions across various carbon price scenarios. It proposes an innovative planning perspective that simultaneously tackles the carbon constraints of the Paris Agreement along with the goals of energy security and fiscal efficiency, through four consecutively structured papers spanning global, national, and sectoral scales. In the first paper, the partial equilibrium model replicates the fossil fuel share of 147 countries from 1997–2014 with an average absolute error of 0.28–0.34%, demonstrating that carbon tax-incentive packages align with the 2°C target without disrupting budget balance. The second paper models the governance update period (GUP) using multilevel machine learning, quantitatively determining an optimal policy cycle that further reduces the fossil share by 6 percentage points. The third paper, scaled to the national level, assesses Türkiye's electricity installed capacity for 2030 by comparing a parametric depreciation model with LSTM/GRU-based deep learning estimates, where the deep learning approach significantly reduces the normalized error rate in hydropower generation. The Green Growth scenario increases the renewable energy share from 56% to 79% while lowering carbon intensity to 160 kg CO₂/MWh. In the fourth paper, multiple output (MO) predictions are integrated with set-covering and two-stage grid-search optimization, reducing the total root mean square error (RMSE) to 0.587, boosting renewable energy capacity by 2.2 times compared to 2024, and enabling the grid-search method to achieve the lowest CO₂ emission profile. The collective findings from these four papers underscore the development of a multi-layered hybrid methodology that delivers three unique contributions: (i) it facilitates seamless integration of global modeling outputs with low computational overhead into national-level machine learning models; (ii) it directly models simultaneous relationships among diverse energy sources through its multi-output architecture; (iii) it employs optimization tools in bidirectional interaction with machine learning forecasts, enabling a holistic evaluation of decision-making, cost, and risk dimensions within a unified framework. Findings indicate that robust carbon pricing and data-driven capacity allocation, paired with a long-term planning perspective, can align carbon intensity with Paris Agreement targets while minimizing total system costs. Consequently, methodology developed in this dissertation equips policymakers with a scalable, auditable, and feasible decision-support tool within the ETS–CBAM environment.
Benzer Tezler
- Türkiye'nin 2030 sera gazı emisyon hedefleri bağlamında MDAM ve LSTM modelleri ile tahmin, etki analizi ve Covid-19 sürecinin incelenmesi
Prediction, impact factor analysis, and examination of the Covid-19 period using MDAM and LSTM models in the context of Türkiye's greenhouse gas emission targets
GİZEM GÖKTAŞ BALKIR
Yüksek Lisans
Türkçe
2025
Matematikİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİSA ÖZGE ÖNAL TUĞRUL
- İklim değişikliği sorununa alternatif bir kamu politikası: Karbon salınımının önlenmesinde çevre vergileri
An alternative public policy to the climate change problem: Environmental taxes in preventing carbon emissions
GÜMRAH CAN BAŞDAĞ
- Türkiye'de doğrudan yabancı yatırım (DYY) faaliyetlerinin ekonomik büyümedeki rolü
The role of (FDI) foreign direct investment in economic growth in Turkey
ATABAK SHOAR NAGHAVI
Yüksek Lisans
Türkçe
2025
Ekonomiİstanbul Rumeli Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ABDULLAH KADİR DABBAĞOĞLU
- Denizcilik sektöründe sera gazı emisyonu önlemlerinin etki değerlendirmesinin sistem dinamikleriyle modellenmesi
System dynamics modelling of the impact assessment of greenhouse gas mitigation measures in maritime transportation
SELEN UYGUR
Doktora
Türkçe
2025
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Decarbonization pathways in maritime transportation: A techno-economic analysis of alternative marine fuels
Denizcilik taşımacılığında karbon salımının azaltılması yolları: Alternatif deniz yakıtlarının tekno-ekonomik analizi
EMİR EJDER
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU