پیش بینی آثار سناریوهای مختلف هدفمندی یارانه ها بر تقاضای برق خانگی با استفاده از شبکه های عصبی
نویسندگان
چکیده
مصرف روزافزون انرژی برق در ایران، یکی از دغدغه های سیاست گذاران این حوزه است. وجود نظام یارانه ایی در تعیین قیمت، یکی از دلایل اصلی ایجاد الگوی مصرف ناصحیح بوده که تکثر تعداد مشترکین، مصرف کنندگان و نوع مصرف، هزینه های زیادی را بر دولت ها تحمیل کرده تا منجر به تصویب قانون هدفمندی یارانه ها توسط سیاست گذاران 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 یارانه ها پیشبینی می شود. 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.
منابع مشابه
پیشبینی آثار سناریوهای مختلف هدفمندی یارانهها بر تقاضای برق خانگی با استفاده از شبکههای عصبی
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 ر...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...
متن کاملپیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی
(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست) هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. دادههای این مقاله شامل تورم سالانه و دادههای ماهانه شاخص قیمت مصرفکننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیشبینی تورم ماهانه از یک شبکه پسانتشار خطا(BP) با 15 نر...
متن کاملپیش بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...
متن کاملتاثیر مرحله دوم هدفمندی یرانه ها بر تقاضای برق خانگی در ایران
چکیده شناخت عوامل تأثیر گذار بر تولید و مصرف برق اهمیت ویژه ای در فرآیند سیاست گذاری های اقتصادی و اجتماعی و تحلیل روند پیش بینی عرضه و تقاضای بازار این حامل انرژی در دوره های آتی دارد. بخصوص این موضوع زمانی اهمیت دوچندانی می یابد که یک بسته سیاستی جدید مثل هدفمند کردن یارانه ها و حذف تدریجی آن ها در کانون توجه دولت قرار گرفته باشد. بنابراین، در این مطالعه هدف این است که اثرات مرحله دوم هدفمند ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
نشریه مهندسی صنایعناشر: پردیس دانشکده های فنی
ISSN 2423-6896
دوره 48
شماره Special Issue 2014
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023