Abstract:

Elektrik enerjisinin depolanamaması arz-talep dengesinin planlanmasını ve yüksek doğruluk dereceli üretim tahminin önemini artırmaktadır. Yapılacak tahminlerin doğruluğu, yapılan planlama çalışmalarının da geçerliliğini artıracaktır. Bu çalışmada Türkiye’ninbüyük yenilenebilir enerji potansiyeli olan hidroelektrik enerjinin üretim tahmini yapılmıştır. Çalışma kapsamında Antalya Havzasında bulunan Isparta ili Aksu ilçesi sınırlarındaki Yenice deresinden beslenen bir hidroelektrik santralin 12 aylık elektrik üretimi tahmin edilmiştir. Aylık Ortalama Yağış, Aylık Ortalama Nisbi Nem ve Aylık Ortalama Debi verileri Yapay Sinir Ağlarına (YSA) girdi olarak kullanılmıştır. 2007-2014 tarihleri arasındaki veriler arasındaki ilişki İleri Beslemeli Geri Yayınım Sinir Ağı (İBGYSA) yöntemi ile araştırılmış olup yüksek doğruluktaki YSA modeli ile 2015 yılı elektrik üretimi tahmin edilmiştir. Kurulan modelin hidroelektrik santrallerin aylık üretimlerini başarıyla temsil ettiği ve bir santralin 12 aylık üretim tahmininde başarıyla kullanılabileceği gösterilmiştir. Bu çalışma elektrik enerjisi ihtiyacının arttığı günümüzde, sonraki dönemlere ait üretim tahminleri yapılacak olan çalışmalara öncü niteliğindedir.Anahtar Kelimeler: Yapay Sinir Ağları, Elektrik Üretimi, Hidroelektrik Santrali, Enerji Tahmini Jel Kodları: C45  C53 Q47 ABSTRACT The fact that electricity cannot be stored is increasing the importance of planning the supply-demand balance and estimation of the power generation with high accuracy. The accuracy of the estimations will also increase the validity of the planning.  This study has estimated generation of hydroelectric power, Turkey’s most potential source for renewable energy.   Within the scope of this study, power generation of a hydroelectric power plant located in Isparta has been estimated for a period of 12 months. Monthly Average Precipitation, Monthly Average  Relative Humidity and Monthly Average Flow have been used as input for Artifical Neural Network(ANN). The relationship between the years of 2007-2014 has been researched by Feed Forward Back Propagation Neural Network. Annual hydoelectric power generation in 2015 has been estimated by using  Artificial  Neural Network(ANN) with high accuracy.  It has been demonstrated that the established model is representing the monthly generation of the hydroelectric power plant in a successful way and it can be used to predict the 12 months generation of a power plant. In today’s world, there is an increasing need for electricity power and this study is a pioneer for future studies that will be focusing on the estimations of power generation for the periods ahead.        Keywords: Artificial Neural Network, Electricity Production, Hydroelectric Power Plant, Energy Forecast Jel Codes: C45  C53 Q47

Keywords: