TÜRKİYE ELEKTRİK ENERJİSİ ÜRETİMİ VE TÜKETİMİNİN GRİ TAHMİN YÖNTEMİ İLE BELİRLENMESİ

Bu çalışmanın amacı, 2017-2027 yılları arasındaki Türkiye elektrik enerjisi üretimi ve tüketiminin tahmin edilmesidir. Bunu gerçekleştirmek için, 1996-2016 yılları arasındaki Türkiye elektrik enerjisi üretimi ve tüketimi verileri gri tahmin yöntemi GM(1,1) ile modellenmiştir. Sonuçlar, Türkiye elektrik enerjisi üretimi için oluşturulan GM(1,1) modeline ait küçük hata olasılığı (p) ve sonsal hata oranı (C) değerlerinin sırasıyla 0.12 ve 0.97 olduğunu, Türkiye elektrik enerjisi tüketimi için oluşturulan GM(1,1) modeline ait p ve C değerlerinin ise sırasıyla 0.11 ve 0.97 olduğunu göstermiştir. Bundan dolayı, Türkiye elektrik enerjisi üretimi ve tüketimi için oluşturulan GM(1,1) modelleri iyi seviyededir. Buna ek olarak, Türkiye elektrik enerjisi üretimi ve tüketimi için oluşturulan GM(1,1) modellerinde ortalama mutlak yüzde hata (MAPE) değerlerinin sırasıyla %3.12 ve %3.08 olduğu sonucuna ulaşılmıştır. F-testinin sonuçları, Türkiye elektrik enerjisi üretimi ve tüketimi için oluşturulan GM(1,1) modellerine ait p-değerinin 0.48 olduğunu göstermiştir. Bu sonuçlara göre, oluşturulan GM(1,1) modellerinin Türkiye elektrik enerjisi üretiminin ve tüketiminin tahmini için kullanılması uygundur. Ayrıca, 2017-2027 yılları arasında Türkiye elektrik enerjisi üretimi ve tüketiminin yıllık ortalama büyüme oranının sırasıyla %5.25 ve %5.58 olacağı tahmin edilmiştir. Buna ek olarak, 2023 yılı için Türkiye elektrik enerjisi üretimi ve tüketiminin 405310GWh ve 344672GWh olacağı tahmin edilmiştir.

Anahtar Kelimeler:

Gri tahmin modeli, Türkiye, elektrik enerjisi üretimi, elektrik enerjisi tüketimi, tahminleme

FORECASTING OF TURKEY’S ELECTRICITY GENERATION AND CONSUMPTION WITH GREY PREDICTION METHOD

The aim of this study is forecasting of Turkey’s electricity generation and consumption for the period 2017-2027. To achieve this, Turkey’s electricity generation and consumption for the period 1996-2016 was modelled using Grey prediction method GM(1,1). Results showed that the small error probability (p) and posterior error ratio (C) values of GM(1,1) model for Turkey’s electricity generation were obtained as 0.12 and 0.97, respectively, and 0.11 and 0.97, respectively for Turkey’s electricity consumption. So, the level of established GM(1,1) models for Turkey’s electricity generation and Turkey’s electricity consumption is in good level. Additionally, mean absolute percentage error (MAPE) values of GM(1,1) models for Turkey’s electricity generation and consumption were obtained as 3.12% and 3.08%, respectively. Results of F-test showed that p-value of GM(1,1) model for Turkey’s electricity generation and consumption was 0.48. According to these results, GM(1,1) models are suitable for prediction of Turkey’s electricity generation and consumption. Furthermore, the average annual grow rates of Turkey’s electricity generation and consumption for the period 2017-2027 were forecasted as 5.25% and 5.58%, respectively. In addition to this, Turkey’s electricity generation and consumption were forecasted as 405310GWh and 344672GWh, respectively, for 2023.

Keywords:

Grey prediction method, Turkey, electricity generation, electricity consumption, forecasting,

PDF

___

[1] ETKB, 2017. Dünya ve Türkiye Enerji ve Tabii Kaynaklar Görünümü, http://www.enerji.gov.tr/File/?path=ROOT%2f1%2fDocuments%2fEnerji%20ve%20Tabii%20Kaynaklar%20G%C3%B6r%C3%BCn%C3%BCm%C3%BC%2fSayi_15.pdf. [Accessed date: 01/08/2018]
[2] TEİAŞ, 2017a. http://www.teias.gov.tr/sites/default/files/2017-10/37.docx. Accessed date: 01/08/2018]
[3] TEİAŞ, 2017b. http://www.tuik.gov.tr/PreIstatistikTablo.do?istab_id=1579. Accessed date: 01/08/2018]
[4] Suganthi, L., Samuel, A.A., “Energy models for demand forecasting-a review”, Renewable and Sustainable Energy Reviews, 16, 1223-1240, 2012.
[5] Zhang, G.P., “Time series forecasting using a hybrid ARIMA and neural network model”, Neurocomputing, 50, 159-175, 2003.
[6] Hamzaçebi, C., “Forecasting of Turkey’s net electricity energy consumption on sectoral bases”, Energy Policy, 35, 2009-2016, 2007.
[7] Kavaklioglu, K., Ceylan, H., Ozturk, H.K., Canyurt, O.E., “Modeling and prediction of Turkey’s electricity consumption using Artificial Neural Networks”, Energy Conversion and Management, 50, 2719-2727, 2009.
[8] Hamzacebi, C., Es, H.A., “Forecasting the annual electricity consumption of Turkey using an optimized grey model”, Energy, 70, 165-171, 2014.
[9] Tutun, S., Cho, C-A., Canıyılmaz, E., “A new forecasting framework behavior in net electricity consumption: a case study in Turkey”, Energy, 93, 2406-2422, 2015.
[10] Yukseltan, E., Yucekaya, A., Bilge, A.H., “Forecasting electricity demand for Turkey: modeling periodic variations and demand segregation”, Applied Energy, 193, 287-296, 2017.
[11] Şişman, B., “A comparison of ARIMA and Grey models for electricity consumption demand forecasting: The case of Turkey”, Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13, 234-245, 2017.
[12] Feng, S.J., Ma, Y.D., Song, Z.L., Ying, J., “Forecasting the energy consumption of China by the Grey prediction model”, Energy Sources, Part B: Economics, Planning, and Policy, 7 (4), 376-389, 2012.
[13] Kazemi, A., Modarres, M., Mehregan, M. R., Neshat, N., Foroughi, A., “A markov chain grey forecasting model: a case study of energy demand of industry sector in Iran”, 3rd International Conference on Information and Financial Engineering IPEDR, Singapore, 13-18, 2011.
[14] Hu, Y-C., Jiang, P., “Forecasting energy demand using neural-network-based grey residual modification models”, Journal of the Operational Research Society, 68, 556-565, 2017.
[15] Mostafaei, H., Kordnoori, S., “Hybrid grey forecasting model for Iran’s energy consumption and supply”, International Journal of Energy Economics and Policy, 2 (3), 97-102, 2012.
[16] Shen, X., Lu, Z., “The application of Grey theory model in the prediction of Jiangsu Province’s electric power demand”, AASRI Procedia, 7, 81-87, 2014.
[17] Xu, N., Dang, Y., Gong, Y., “Novel grey prediction model with nonlinear optimized time response method for forecasting of electricity consumption in China”, Energy, 118, 473-480, 2017.
[18] Zhan-li, M., Jin-hua, S., “Application of Grey-Markov model in forecasting fire accidents”, Procedia Engineering, 11, 314-318, 2011.