Türkiye ve Kanada'da elektrik tüketimi tahmini: Makine öğrenmesi modellerinin karşılaştırmalı analizi

Elektrik tüketimi, ekonomik büyüme, kentleşme ve enerji politikaları ile olan yakın ilişkisi nedeniyle enerji planlaması açısından temel göstergelerden biri olarak kabul edilmektedir. Bu çalışmada, Türkiye ve Kanada'da kişi başı elektrik tüketiminin tahmin edilmesine yönelik karşılaştırmalı bir analiz gerçekleştirilmiştir. Analiz kapsamında kişi başı gelir, sanayi katma değeri, yenilenebilir enerji oranı, elektrik iletim ve dağıtım kayıpları ile kentleşme oranı bağımsız değişkenler olarak ele alınmıştır. Ayrıca, elektrik tüketiminin zamansal bağımlılığını yansıtmak amacıyla modele gecikmeli değişken dâhil edilmiştir. Modelleme sürecinde Gauss Süreç Regresyonu (GPR), Destek Vektör Regresyonu (SVR), XGBoost, Yapay Sinir Ağları (MLP), Topluluk Öğrenme yöntemleri ve Çoklu Doğrusal Regresyon (MLR) modelleri kullanılmıştır. Elde edilen bulgular, makine öğrenmesi temelli yöntemlerin genel olarak yüksek tahmin performansı sergilediğini göstermektedir. Türkiye için en başarılı sonucun GPR modeli ile elde edildiği, Kanada için ise Topluluk Öğrenme yaklaşımının daha yüksek performans sunduğu belirlenmiştir. Bununla birlikte, Türkiye veri setinde MLR modelinin de dikkat çekici düzeyde başarılı sonuçlar verdiği görülmüştür. Ayrıca, gecikmeli değişkenin modele dâhil edilmesinin tahmin doğruluğunu artırdığı tespit edilmiştir. Sonuç olarak, elektrik tüketimi dinamiklerinin ülkeden ülkeye farklılık gösterebildiği ve bu nedenle tek bir modelin tüm ülkeler için aynı düzeyde başarı sağlamasının beklenmemesi gerektiği anlaşılmaktadır. Elde edilen bulgular, makine öğrenmesi yöntemlerinin enerji planlaması ve politika geliştirme süreçlerinde etkin bir şekilde kullanılabileceğini ortaya koymaktadır. Bu kapsamda, daha geniş veri setleri ve alternatif modelleme yaklaşımları ile gerçekleştirilecek çalışmaların literatüre katkı sağlayacağı değerlendirilmektedir.