Türkiye Elektrik Enerjisi Üretimi Planlamasında Çok Kriterli Karar Verme Yaklaşımlarının Karşılaştırılması Analizi ve RMVC Algoritmasının Uygulaması

Creative Commons License

DAYIOGLU A., Celik B.

Verimlilik Dergisi, cilt.60, sa.3, ss.787-810, 2026 (TRDizin)

Özet

Amaç: Bu çalışmanın amacı, Türkiye elektrik enerjisi planlamasında Çok Kriterli Karar Verme (ÇKKV) yöntemlerinin kısıtlarını aşmak üzere önerilen Relational Membership Value Calculation (RMVC) algoritmasının performansını değerlendirmek ve sürdürülebilir enerji projeksiyonları sunmaktır. Yöntem: Araştırmada, Enerji Piyasaları İşletme A.Ş. (EPİAŞ) ve Türkiye Elektrik İletim A.Ş. (TEİAŞ) verilerinden elde edilen 61488 adet gerçek zamanlı saatlik veri noktası, Python tabanlı veri madenciliği teknikleriyle işlenmiştir. 7 farklı enerji kaynağı; kapasite faktörü, şebeke stresi, maliyet (LCOE) ve emisyon gibi teknik, ekonomik, çevresel ve politik boyutları temsil eden 9 kriter altında analiz edilmiştir. Önerilen RMVC algoritması; TOPSIS, VIKOR, GRA ve WASPAS yöntemleriyle kıyaslanarak test edilmiştir. Bulgular: Analiz sonuçları, klasik yöntemlerin (özellikle TOPSIS) yüksek verimliliğe sahip fosil kaynakların çevresel dezavantajlarını maskelemesine izin verdiğini, RMVC’nin ise bu aykırı değerleri ilişkisel yöntemle dengeleyerek daha kararlı sıralamalar ürettiğini göstermektedir. Tüm yöntemlerde Jeotermal Enerji ilk sırada yer alırken; RMVC sıralaması (Jeotermal > Rüzgâr > HES > Linyit > İthal Kömür > Güneş > Doğal Gaz), yenilenebilir kaynakları üst sıralara taşıyarak Türkiye’nin 2053 Net Sıfır Emisyon hedefleriyle tam bir tutarlılık sergilemiştir. Özgünlük: Bu çalışma, enerji planlaması literatüründe soft küme teorisine dayalı göreceli üyelik yaklaşımını ilk kez kullanarak, adayları ideal çözüme uzaklıkları yerine verinin kendi içindeki gizli örüntüleri üzerinden değerlendiren metodolojik bir yenilik sunmaktadır.
Purpose: The aim of this study is to evaluate the performance of the Relational Membership Value Calculation (RMVC) algorithm, proposed to overcome the limitations of Multi-Criteria Decision-Making (MCDM) methods in Türkiye’s power generation planning, and to present sustainable energy projections. Methodology: In the research, 61.488 real-time hourly data points obtained from EPİAŞ and TEİAŞ were processed using Python-based data mining techniques. Seven different energy sources were analyzed under nine criteria representing technical, economic, environmental, and political dimensions, such as capacity factor, grid stress, cost (LCOE), and emissions. The proposed RMVC algorithm was tested by comparing it with TOPSIS, VIKOR, GRA, and WASPAS methods. Findings: The analysis results indicate that classical methods (particularly TOPSIS) tend to mask the environmental disadvantages of high-efficiency fossil fuels, whereas RMVC generates more stable rankings by balancing these outliers through a relational approach. While Geothermal Energy ranked first across all methods, the RMVC ranking (Geothermal > Wind > HEPP > Lignite > Imported Coal > Solar > Natural Gas) prioritized renewable sources, demonstrating full consistency with Türkiye’s 2053 Net Zero Emission targets. Originality: This study introduces a methodological novelty to the energy planning literature by utilizing a relative membership approach based on soft set theory for the first time, evaluating candidates through hidden patterns inherent in the data rather than their distance to the ideal solution.