پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,092,880 |
| تعداد دریافت فایل اصل مقاله | 97,197,018 |
Forecasting Effects of Scenarios of Subsides Removal on Residential Electricity Consumption by Artificial Neural Networks | ||
| Advances in Industrial Engineering | ||
| مقاله 9، دوره 48، Special Issue، آذر 2014، صفحه 83-90 اصل مقاله (498 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jieng.2014.51787 | ||
| نویسندگان | ||
| F. Barzinpour* ؛ S. Karimi | ||
| چکیده | ||
| The increasing consumption of electricity in Iran is one of the greatest concerns of the government. Using the subsidy-based pricing system is one of the main reasons of improper pattern of residential electricity consumption that has imposed great cost over the government due to the increased number of consumers and their improper way of consuming electricity. In this paper, we analyze the factors that affect residential electricity demand using artificial neural network (ANN) and predict the amount of electricity consumption in 2006 (the end of the year in which subsides are being removed) by definition of five different price scenarios. The per-capita residential electricity consumption is considered as a dependent variable of the model .Electricity price, GDP per capita, macroeconomic fluctuations and a variable representing weather temperatures are used as explanatory factors. The proposed model has a good explaining capability (R=0.996) and with predicting independent variables up to 2016, the dependent variable were predicted using procedures like time series and ARIMA. The achieved results show that the price factors have limited role in defining the pattern of residential electricity consumption. So small changes in electricity price will not reduce the electricity consumption and committing scenarios with gradual changes in price will not lead to the reduction of electricity consumption. Therefore, it is necessary for the government to commit scenarios with significant increase of prices in order to correct the pattern of residential electricity consumption; otherwise, the electricity demand will increase uncontrollably due to the increasing population and consumption. | ||
| کلیدواژه‌ها | ||
| Scenario building؛ Artificial Neural Network؛ forecasting؛ subsidies؛ electricity consumption | ||
| عنوان مقاله [English] | ||
| پیش‌بینی آثار سناریوهای مختلف هدفمندی یارانه‌ها بر تقاضای برق خانگی با استفاده از شبکه‌های عصبی | ||
| نویسندگان [English] | ||
| فرناز برزین پور؛ سعید کریمی | ||
| چکیده [English] | ||
| مصرف روزافزون انرژی برق در ایران، یکی از دغدغه‌های سیاست‌گذاران این حوزه است. وجود نظام یارانه‌ایی در تعیین قیمت، یکی از دلایل اصلی ایجاد الگوی مصرف ناصحیح بوده که تکثر تعداد مشترکین، مصرف‌کنندگان و نوع مصرف، هزینه‌های زیادی را بر دولت‌ها تحمیل کرده تا منجر به تصویب قانون هدفمندی یارانه‌ها توسط سیاست‌گذاران این حوزه شده است. در این مقاله ضمن تحلیل عوامل مؤثر بر تقاضای برق خانگی، با استفاده از روش شبکه عصبی مصنوعی، مدلی با هدف شناخت الگوی مصرف برق خانگی ایجاد و با تعریف پنج سناریوی مختلف قیمتی، میزان مصرف تا سال آخر اجرای قانون هدفمندی یارانه‌ها پیش‌بینی می‌شود. سرانه مصرف برق خانگی، به عنوان متغیر وابسته مدل در نظر گرفته شده است و عواملی چون قیمت برق، درآمد ملی سرانه، شاخصی به نمایندگی از تعداد روزهای گرم سال و ساختار اقتصادی کشور به عنوان عوامل مؤثر بر آن انتخاب شدند. با توجه به نتایج به دست آمده از مدل که قابلیت توضیح بسیار خوبی داشته0.996 R= عوامل قیمتی نقش بسیار کمی در تعیین الگوی مصرف دارند. بنابراین اجرای طرحهایی از سوی سیاست‌گذاران این عرصه، به منظور تغییر قابل توجه قیمت برای اصلاح الگوی مصرف ضروری به نظر میرسد. | ||
| کلیدواژه‌ها [English] | ||
| شبکه عصبی, سناریوسازی, پیش‌بینی مصرف برق, یارانه, مصرف خانگی برق | ||
|
آمار تعداد مشاهده مقاله: 2,132 تعداد دریافت فایل اصل مقاله: 2,662 |
||