انتخاب سناريوي مناسب براي پيش بيني تقاضاي انرژي بخش خانگي-تجاري با استفاده از الگوريتم بهينه‌سازي انبوه ذرات

Selecting The Appropriate Scenario to Predict the Energy Demand of Residential and Commercial Sectors using Particle Swarm Optimization

در دهه‌هاي اخير، انرژي در كنار ساير عوامل توليد نقش تعيين‌كننده‌اي در رشد اقتصادي كشور‌ها داشته و اهميت آن همچنان رو به افزايش است. رشد اقتصاد جهان و روند صنعتي شدن موجب افزايش تقاضا و مصرف انرژي شده است. از سوي ديگر از ميان بخش‌هاي مصرف‌كننده‌ي انرژي، بخش خانگي– تجاري يكي از پرمصرف‌كننده‌ترين بخش‌هاي تقاضاي انرژي است. بطوري كه بيش از 34% از ميزان مصرف انرژي را نسبت به ساير بخش‌‌ها به خود اختصاص داده است، بنابراين به منظور كنترل عرضه و تقاضاي انرژي و برنامه‌ريزي صحيح مصرف انرژي اين بخش بايد به صورت دقيق پيش‌بيني شود. در اين مقاله با استفاده از روند متغير‌هاي تاثيرگذار بر تقاضاي انرژي بخش خانگي – تجاري ايران، وضعيت آتي تقاضاي انرژي اين بخش در ايران پيش‌بيني شده است. با استفاده از الگوريتم بهينه‌سازي انبوه ذرات، دو فرم خطي و نمايي از معادلات تقاضاي انرژي تحت 54 سناريوي مختلف با ورودي‌هاي متفاوت مورد بررسي قرار گرفته و از داده‌هاي مربوط به سال‌هاي 1346 تا 1389 براي توسعه الگو‌ها و انتخاب سناريوي مناسب استفاده شده است. نتايج نشان داد الگوي نمايي با ورودي‌هاي ارزش‌ افزوده كل منهاي ارزش افزوده بخش نفت، ارزش ساختمان‌هاي ساخته شده، تعداد كل خانوار و شاخص قيمت مصرف انرژي مناسب‌ترين الگو است. در نهايت با استفاده از الگوي انتخابي، تقاضاي انرژي اين بخش تا سال 1410 پيش‌بيني شده است.

Energy has had a determinative role in economic growth of countries and its importance has been increasing during recent decades. The global economic growth and the industrialization process is one of the main sources of increasing demand and consumption of energy. On the other hand, the residential and commercial sectors are the largest energy consumption sectors, i.e. 34% of energy consumption compared to other sectors. Thus, to plan and control the amount of energy supply and demand, predicting energy consumption of these sectors would be helpful for policy makers. In this paper, the future status of energy demand of residential and commercial sectors in Iran is predicted using variables affecting energy demand of these sectors. Using PSO algorithm, both linear and exponential forms of energy demand equations were studied under 54 different scenarios with various variables. The data from 1968 to 2011 were applied to develop model and to choose the appropriate scenario. Results show that an exponential model with inputs including total value added minus that of the oil sector, value of made buildings, total number of households and consumer energy price index is the most appropriate model. Furthermore, energy demand of residential and commercial sectors is estimated for following years up to 2032.