Evsel doğal gaz kullanımında konjonktür etkisinden arındırılmış tüketimin arıma ve çoklu regresyon yöntemleri ile tahmini

Abstract

Doğal gaz enerji sektöründe önemli yer tutmaktadır. Doğal gazın ısınma, soğutma, buhar üretimi, kojenerasyon gibi geniş kullanım alanları bulunmaktadır. Sanayide imalat, buhar ve kojenerasyon için kullanılan doğal gaz, evsel tüketimde pişirme, ısınma ve sıcak su ihtiyaçlarını karşılaşamaktadır. Farklı müşteri türlerinin tüketimi de farklıdır. Evsel tüketicilerin mevsimlere bağlı kışın artan yazın azalan tüketimleri bulunurken sanayide bu durum söz konusu olmamaktadır. Bu çalışmada evsel doğal gaz tüketimi konjonktürel bileşenin etkisi kaldırılarak ARIMA ve çoklu regresyon yöntemleri kullanılarak tahmin edilmeye çalışılmıştır. Konjonktür bileşeninin etkisinden arındırmak için mevsimselliği eş değer olan aylar bir araya getirilerek 6 farklı model oluşturulmuştur. Oluşturulan bu modeller bağımsız değişken gerektirmeyen ARIMA yöntemi ve bağımsız değişken gerektiren çoklu regresyon yöntemi ile tahmin edilmiştir. Bu tahminlerden 2012 yılı için yapılan tahminler birleştirilerek (Birleştirilmiş Model), konjonktür etkisi kaldırılmamış (Model 7) tahminler ile karşılaştırılmıştır. ARIMA yöntemi ile Birleştirilmiş Modelde OMYH (ortalama mutlak yüzdesel hata) %8,48 olurken Model 7' de %8,67 olmuştur ve Birleştirilmiş Model, Model7' ye göre %2 oranında hatayı azaltmıştır. Çoklu regresyon yönteminde ise Birleştirilmiş Model OMYH %14,38 olurken, Model 7' de %55,10 olmuştur ve Birleştirilml Model, Model 7' ye göre yaklaşık %74 oranında hatayı azaltmıştır. ARIMA yöntemi her iki model türünde de çoklu regresyon tahminlerine göre daha düşük hata oranına sahip olmuştur.

Natural gas has a wide usage range like heating, processing, cooling, steam and cogeneration. For example in factories it is used for processing, steam and cogeneration. In household, natural gas is used for cooking, and heating water and house. Consumptions of different types of consumers are also different. Household consumption has a strong relationship with seasonality. It increases in winter and decreases in summer. Unlike household consumption the industrial consumption does not change from season to season. In this study, ARIMA and multiple linear regression methods were used for estimation of gas consumption and effects of cycle were examined. To examine the cycle, the data were divided into 6 pieces. Each piece of data was called as