Analysis of regional electricity demand for Turkey

Akarsu, Gülsüm

doi:10.1080/21681376.2017.1286231

Cited by 10 publications

(7 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Etkili Faktörler ortalamasının 0.15 olduğu ve birkaç uç değer haricinde 0-0.30 aralığında değiştiğini göstermektedir (Akarsu, 2017;Arısoy & Öztürk, 2014;Deryugina vd., 2017;Dilaver & Hunt, 2011;Erdoğdu, 2007;Halıcıoğlu, 2007;Ito, 2014;Madlaner vd., 2011). Tüketicilerin kısa dönemde daha fazla olmak üzere fiyat değişimine karşı duyarsız oldukları ve elektriğin zaruri bir ürün olduğu, bu çalışmaların ortak sonucudur.…”

Section: Kısa Vadedeunclassified

Pi̇yasa Ni̇teli̇kleri̇ İle Elektri̇k Ve Türki̇ye’ni̇n Serbestleşme Süreci̇

Özgül

2023

Uludağ Üniversitesi Fen-Edebiyat Fakültesi Sosyal Bilimler Dergisi

View full text Add to dashboard Cite

Son günlerin ekonomik konjonktürü elektriği ve serbestleşen piyasalarını tekrar ilgi odağı haline getirmiştir. Serbestleşme süreci öncesinde görünür olmayan kendine has özellikleri ile elektrik, farklı bir piyasa yapısını gerektirmektedir. Ayrıca, piyasa tasarımları ayrışabilmektedir. Bu çalışma, nitelikleri ve tedarik zincirine odaklanarak Türkiye Piyasası özelinde elektrik piyasalarının yapısını ve ticaretin büyük kısmının gerçekleştiği spot piyasaları ele almaktadır. Türkiye Piyasası, uzun bir zamana yayılan, ihtiyatlı bir yaklaşımla ve genel itibariyle Avrupa’nın yapılanma biçimini benimseyerek serbestleşme yolunda önemli merhale katetmiştir. Marjinal fiyatlandırmanın geçerli olduğu Gün Öncesi Piyasası, katılımcıları tarafından kabul görmüş ve hacimde ikili anlaşmalar piyasasını aşarak beklenen kısa vadeli fiyat sinyali sağlama görevini yerine getirir hale gelmiştir. Diğer yandan, gelişmiş piyasaları takiben devreye alınan, piyasa katılımcılarına ilave dengeleme fırsatı sunan Gün İçi Piyasası da serbestleşme sürecini perçinlemiştir. Ancak, literatürde tartışılageldiği gibi serbestleşmeden beklenen hedeflere henüz ulaşılamamıştır. Sürecin “yeniden düzenleme” biçiminde inkıtalarla ilerleyeceği öngörülmektedir. Bu bağlamda düzenleyici, sistem/piyasa işletmecisinin açmazları öne çıkarılmaktadır.

show abstract

Section: Kısa Vadedeunclassified

Pi̇yasa Ni̇teli̇kleri̇ İle Elektri̇k Ve Türki̇ye’ni̇n Serbestleşme Süreci̇

Özgül

2023

Uludağ Üniversitesi Fen-Edebiyat Fakültesi Sosyal Bilimler Dergisi

View full text Add to dashboard Cite

show abstract

“…The monthly electricity supply from conventional and renewable resources is modelled in another study using a seasonal autoregressive integrated moving average (SARIMA) model for the 2001-2020 period and it is shown that the SARIMA model successfully models the electricity supply data (Kurt et al, 2022). In another work, the regional electricity demand of Türkiye is investigated in the period of 1986-2013 using autoregressive integrated moving average model and it is shown that the utilized model has the root mean square error of 0.11 (Akarsu, 2017). Grey forecasting methods with rolling mechanism is utilized in another study for the modelling of the electrical energy demand forecasting of Türkiye for the 2015-2030 period where it is shown that nonhomogeneous Grey model with rolling mechanism increases the forecasting accuracy (Kusakci and Ayvaz, 2015).…”

Section: Literature Analysismentioning

confidence: 99%

Estimation of the Electricity Supply and Demand of Türkiye Employing Deep Learning Networks

Tuncsiper¹

2023

IJMRA

View full text Add to dashboard Cite

Electrical energy, one of the indispensable elements of the economic and social life, is an energy source that has to be provided without interruption in order to ensure the continuity of development. In this work, the monthly electricity supply and demand of Türkiye for the period of 2016-2022 are modelled using advanced machine learning techniques. An autoregressive deep learning network consisting of four hidden layers is developed for the modelling of the electricity supply and demand da ta having the form of multilayer perceptron artificial neural network. The electricity supply and demand data of Türkiye is gathered from the official sources and then investigated utilizing the seasonality analysis. Then, the deep learning network is developed in Python programming language. The 70% of the available electricity supply and demand data are used as the training data whereas the remaining 30% of the data is the test data. The randomized selection of the train and test data are performed using the classes available in the SciKit-Learn library of the Python programming language. The performance of the developed deep learning network model is evaluated both by plotting the actual and the modelled data on the same axis pair and by using performance metrics of the coefficient of determination, mean absolute error, mean absolute percentage error and the root mean square error. The mean absolute percentage errors of the models have the values of 2.29% and 2.17% for the electricity supply and demand data, respectively, indicating the success of the developed deep learning model for the modelling and the estimation of the electricity supply and demand data. The developed model is considered to be useful for the economic and technical energy planners.

show abstract

“…The authors find spatial effects in Spanish residential electricity consumption. Akarsu (2017) analyses spatial interdependencies among different Turkish regions resulting from socio-economic relations, such as relocation of economic activity or migration, and spillover effects of policy measures by using a spatial panel data model. His findings show that energy policy related to only one province can affect electricity consumption in other provinces.…”

Section: Literaturementioning

confidence: 99%