SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2024 / Cilt: 39 Sayı: 2

Yapay sinir ağları yöntemiyle İstanbul ili doğal gaz tüketiminin tahmini ve şehir giriş istasyonlarının planlanması

Vedat BALIKÇI
Zafer GEMİCİ
Tolga TANER
Ahmet Selim DALKILIÇ
Pages
1017–1028
Publication Date
2023-11-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Elde edilen sonuçlara göre İstanbul Gaz Dağıtım A.Ş. tarafından doğal gaz şehir giriş istasyonları projelendirme çalışması yapılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, Yapay Sinir Ağları kullanılarak İstanbul Asya yakası ve Avrupa yakası için günlük ve saatlik doğal gaz talep tahmin modelleri oluşturulmuştur.
📊
Key Findings & Data:Doğal gaz kullanımını etkileyen parametreler; tüketici sayısı, ortalama günlük sıcaklık, minimum günlük sıcaklık, resmî tatiller, ısıtma derece gün sayısı olarak belirlenmiştir. 2008'den 2018'in sonuna kadar elde edilen veriler kullanılarak MATLAB yazılımı ile talep tahmin modelleri oluşturulmuş ve İstanbul’da son yüzyıl içerisinde yaşanmış en soğuk gün olan 9 Şubat 1929 günlük en düşük -16oC ve günlük ortalama -7oC sıcaklık değerlerine göre 2027 yılına kadar doğal gaz talebi tahmini yapılmıştır.
💡
Conclusion & Impact:Elde edilen sonuçlara göre İstanbul Gaz Dağıtım A.Ş. tarafından doğal gaz şehir giriş istasyonları projelendirme çalışması yapılmıştır.
🔬Design:Modeling & Simulation
📍Scope:2008 Verileri
⚙️Variables:Enerji · doğal gaz · talep tahmini

Özet

Bu çalışmada, Yapay Sinir Ağları kullanılarak İstanbul Asya yakası ve Avrupa yakası için günlük ve saatlik doğal gaz talep tahmin modelleri oluşturulmuştur. Doğal gaz kullanımını etkileyen parametreler; tüketici sayısı, ortalama günlük sıcaklık, minimum günlük sıcaklık, resmî tatiller, ısıtma derece gün sayısı olarak belirlenmiştir. 2008'den 2018'in sonuna kadar elde edilen veriler kullanılarak MATLAB yazılımı ile talep tahmin modelleri oluşturulmuş ve İstanbul’da son yüzyıl içerisinde yaşanmış en soğuk gün olan 9 Şubat 1929 günlük en düşük -16oC ve günlük ortalama -7oC sıcaklık değerlerine göre 2027 yılına kadar doğal gaz talebi tahmini yapılmıştır. Bu çalışma neticesinde, doğal gaz talep tahmini ile hangi yıl doğal gaz şehir giriş istasyonunun kurulacağına karar verilmektedir. Doğal gaz dağıtım şirketi tarafından bakıldığında, doğru tahmin yapılabilirliği sistemde oluşabilecek hataları azaltır ve gaz dağıtım planlamasını daha isabetli olanak sağlar. Bu şekilde, gaz sistemleri çok daha gerçekçi ve karlı hale gelir. Müşteri tarafından bakıldığında ise doğru tahmin değerleri, sistemde oluşabilecek hataları azaltacağı için bu da müşterilerin gazsız kalma olasılığını minimize eder. Ayrıca, Synergi Gas yazılımı ile İstanbul Asya ve Avrupa bölgelerinde yer alan dağıtım ağının hız ve basınç kriterleri dikkate alınarak, talep tahminine dayalı olası kötü senaryolar için doğal gaz şehir giriş istasyonlarının nereye kurulacağı öngörülmüştür. Elde edilen sonuçlara göre İstanbul Gaz Dağıtım A.Ş. tarafından doğal gaz şehir giriş istasyonları projelendirme çalışması yapılmıştır.

🔖

Cite This Article

BALIKÇI, V., GEMİCİ, Z., TANER, T., DALKILIÇ, A. S. (2023). Yapay sinir ağları yöntemiyle İstanbul ili doğal gaz tüketiminin tahmini ve şehir giriş istasyonlarının planlanması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 39 Sayı: 2, 1017–1028. https://ajindex.com/articles/1020175

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Türkel, V., Doğalgaz Dağıtımında Tasarım İmalat ve Yönetim, Tracemark., İstanbul, Türkiye, 2015
  2. Güller, Ş., Doğal gaz talep tahmininin yapay sinir ağları ile modellenmesi: Danimarka örneği, Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24 (1), 360-385, 2022
  3. Brown, R.H., Matin, I., Development of artificial neural network models to predict daily gas consumption, IECON ’95- 21st Annual Conference on IEEE Industrial Electronics, Orlando, FL, USA, 1389–1394, 6-10 Kasım, 1995
  4. Gümrah, F., Katircioglu, D. and Aykan, Y., Modeling of gas demand using degree-day concept: case study for Ankara.” Energy Sources, 23 (2), 101–114, 2001
  5. Viet, N. H. and Mandziuk, J., Neural and fuzzy neural networks for natural gas consumption prediction, IEEE XIII Workshop on Neural Networks for Signal Processing, Toulouse, France, 1007-114, 17-19 Eylül, 2003
  6. Gorucu, F. B., Artificial neural network modeling for forecasting gas consumption, Energy Sources, 26 (3), 299-307, 2004
  7. Hamzaçebi̇ C., Kutay F., Electric consumption forecasting of Turkey using artificial neural networks up to year 2010, Journal of the Faculty of Engineering and Architecture of Gazi University, 19 (3), 227-233, 2004
  8. Yumurtaci, Z. and Asmaz, E., Electric energy demand of Turkey for the year 2050, Energy Sources, 26 (12), 1157–1164, 2004
  9. Yalcinoz, T., and Eminoglu, U., Short term and medium term power distribution load forecasting by neural networks, Energy Conversion and Management, 46 (9), 1393–1405, 2005
  10. Tunç, M., Çamdali, Ü., and Parmaksizoğlu, C., Comparison of Turkey’s electrical energy consumption and production with some European countries and optimization of future electrical power supply investments in Turkey, Energy Policy, 34 (1), 50–59, 2006
  11. Ediger, V. Ş., and Akar, S., ARIMA forecasting of primary energy demand by fuel in Turkey, Energy Policy, 35 (3), 1701–1708, 2007
  12. Erdogdu, E., Electricity demand analysis using cointegration and arima modelling: a case study of Turkey, Energy Policy, 35 (2), 1129–1146, 2007
  13. Demirel, O., ANFIS ve ARMA modelleri ile elektrik enerjisi yük tahmini, Yüksek Lisans Tezi, Marmara Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2009
  14. Akkurt, M., Demirel, O. F. and Zaim, S., Forecasting Turkey’s natural gas consumption by using time series methods, European Journal of Economic and Political Studies, 20 (5), 1–21, 2010
  15. Dilaver, Z., and Hunt, L. C., Industrial electricity demand