كاربرد الگوريتم ژنتيك در انتخاب بهترين سناريو براي پيش‌بيني تقاضاي انرژي مصرفي بخش خانگي – تجاري در ايران

Application of genetic algorithm to choose the best scenario for energy demand forecasting of residential and commercial sectors in Iran

توسعه مدل‌هاي پيش‌بيني انرژي يكي از مراحل مهم در برنامه‌ريزي‌‌هاي كلان براي تامين پايدار انرژي در راستاي توسعه اقتصادي و رفاه اجتماعي است و همواره مورد توجه سياستگذاران و تحليلگران انرژي بوده است. بخش خانگي- تجاري بزرگترين مصرف كننده انرژي در ايران است و پيش‌بيني تقاضاي اين بخش از اهميت بالايي برخوردار است. در تحقيق حاضر با استفاده از توابع خطي و نمايي و با ضرايب بدست آمده از الگوريتم ژنتيك به پيش‌بيني تقاضاي انرژي بخش خانگي – تجاري ايران پرداخته شده است. پنجاه و چهار سناريوي مختلف با ورودي‌هاي متفاوت مورد بررسي قرار گرفته و از داده‌هاي مربوط به سال‌هاي 1346 تا 1389 براي توسعه مدل‌ها و انتخاب سناريوي مناسب استفاده شده است. نتايج نشان داد مدل نمايي با ورودي‌هاي ارزش افزوده كل منهاي بخش نفت، ارزش ساختمان‌هاي ساخته شده، تعداد كل خانوار و شاخص قيمت مصرف انرژي مناسب‌ترين مدل است. با استفاده از سناريوي انتخابي، تقاضاي انرژي بخش خانگي-تجاري تا سال 1410 پيش‌بيني شده است. نتايج نشان مي‌دهد تقاضاي انرژي اين بخش در سال 1410 به حدود 1179 ميليون بشكه معادل نفت خام مي‌رسد.

Developing energy estimation models is one of the most important steps in macro-planning for providing sustainable energy with the purpose of economic development and social welfare. Also, it has always been noted by energy policymakers and analysts. Residential and commercial sectors are the largest energy consumers in Iran and it is very important to estimate energy demand of the sectors. In the present study energy demand of residential and commercial sectors of Iran has been estimated using linear and exponential functions and the coefficients are obtained from genetic algorithm. 54 different scenarios with various inputs have been investigated. Data from the years 1968 to 2011 are used to develop models and select the suitable 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 suitable model. Using the selected scenario, energy demand of residential and commercial sectors is estimated up to the year 2032. The results show that the energy demand of the sectors will achieve a level of about 1180 million barrel of oil equivalent per year by 2023.