Yapay sinir ağları ile Denizli ili doğal gaz tüketim analizi ve tahmini

Abstract

İnsanlık tarihi boyunca her zaman enerjiye ihtiyaç duyulmuştur. Sanayi devrimi ve sonrasında hem endüstrinin gelişimi hem de nüfusun artışı enerji talebiniönemli oranda arttırmıştır. Her geçen yıl artan enerji talebi, günümüzde ağırlıklı olarak fosil kaynaklardan ve yenilenebilir enerji kaynaklarından karşılanmaktadır. Petrol ve kömür ile birlikte fosil kaynaklar arasında olan doğal gaza olan talep, ülkeler tarafından gerçekleştirilen şebeke yatırımları sonucu ulaşılan tüketici sayısındaki yükselme ile önemli bir artış göstermiştir. Bu sebeple doğal gaz, yurtdışından doğal gaz ithal eden ülkeler için ekonomik, siyasi ve sosyolojik açıdan kritik bir önem taşımaktadır.Türkiye’de son zamanlarda gerçekleştirilen doğal gaz arama faaliyetleri sonucunda önemli oranda doğal gaz rezervleri tespit edilmekle birlikte halihazırda doğal gazın yaklaşık %99’u yurtdışından ithal edilmektedir. Bu nedenle doğal gaz sektörünün dengeli bir yapıda ilerleyebilmesi, ekonomik istikrar ve enerji arzı güvenliği hususlarında doğal gaz tüketim tahmini önemli bir rol oynamaktadır. Bu çalışmada, çok katmanlı algılayıcı (MLP), uzun-kısa süreli bellek (LSTM) ve iki yönlü uzun-kısa süreli bellek (BİLSTM) yapay sinir ağı yöntemleri kullanılarak Denizli iline ait günlük doğal gaz tüketim tahmini gerçekleştirilmiş, sonuçlar çoklu regresyon ve rassal orman yöntemler ile elde edilen tahmin sonuçlarıyla karşılaştırılmıştır. Çalışmada doğal gaz tüketimi üzerinde etkisi olduğu öngörülen bağımsız birim sayısı, doğal gaz satış fiyatı, günlük ortalama sıcaklık, günlük maksimum, minimum sıcaklık farkı, günlük ortalama nispi nem, günlük ortalama rüzgâr hızı, günlük toplam yağış, günlük güneşlenme süresi ve günlük bulutluluk verileri kullanılmıştır. Tüketim verileri Enerya Denizli Gaz Dağıtım A.Ş.’den temin edilmiştir. Veriler 2009 ile 2020 yılları arasındaki Denizli ili günlük Sm³ cinsinden serbest olmayan abone ve Kademe 1 tipindeki serbest tüketicilere ait tüketimleri içermektedir. İlgili veri setinin 10 yıllık kısmı eğitim son bir yıllık kısmı test verisi olarak kullanılmıştır. Veriler analizi R Studio uygulamasında, tahmin işlemleri Jupyter Lab uygulamasında gerçekleştirilmiştir. Elde edilen sonuçlarda en iyi sonucu veren modelin tahmin değerleri test verisi ile karşılaştırılmıştır. Ek olarak çoklu regresyon ve rassal orman yöntemleri ile gerçekleştirilen tahmin işlemlerinden elde edilen sonuçlar yapay sinir ağı modellerinden elde edilen tahmin sonuçlarıyla karşılaştırılmıştır.

Energy has always been needed throughout human history. During and after the industrial revolution, both the development of the industry and the increase in the population increased the energy demand significantly. Increasing energy demand with each passing year is mostly met by fossil sources and renewable energy sources. The demand for natural gas, which is among fossil resources along with oil and coal, has increased significantly with the increase in the number of consumers reached as a result of network investments made by countries. For this reason, natural gas has a critical economic, political and sociological importance for countries importing natural gas from abroad. Although a significant amount of natural gas reserves have been identified as a result of the natural gas exploration activities carried out recently in Turkey, approximately 99% of the natural gas is currently imported from abroad. For this reason, natural gas consumption estimation plays an important role in the balanced development of the natural gas sector, economic stability and energy supply security. In this study, the daily natural gas consumption estimation of Denizli province was realized by using multilayer perceptron (MLP), long-short-term memory (LSTM) and bidirectional long-short-term memory (BİLSTM) artificial neural network methods. The results were compared with the estimation results obtained by multiple regression and random forest methods. In the study, the number of independent units, natural gas sales price, daily average temperature, daily maximum, minimum temperature difference, daily average relative humidity, daily average wind speed, daily total precipitation, daily sunshine duration and daily cloudiness were used. These parameters are predicted to affect natural gas consumption. Consumption data was obtained from Enerya Denizli Gaz Dağıtım A.Ş. The data includes daily consumption in Sm³ of non-free consumers and Level 1 eligible consumers in Denizli province between 2009 and 2020. The 10-year part of the relevant data set was used as the training data and the last one-year part was used as the test data. Data analysis was performed in R Studio and estimation was performed in Jupyter Lab. The prediction values of the model that gave the best result in the obtained results were compared with the test data. In addition, the results obtained from the estimation processes performed with multiple regression and random forest methods were compared with the estimation results obtained from artificial neural network models.