پیش بینی مقدار تقاضای برق در ایران: رویکرد تلفیقی الگوهای فضا-حالت و انتقال رژیم مارکوف

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری رشته علوم اقتصادی گرایش اقتصادسنجی، دانشکده اقتصاد، دانشگاه علامه طباطبایی، تهران، ایران.

2 اقتصاد نظری دانشکده اقتصاد دانشگاه علامه طباطبایی تهران ایران

3 دانشگاه علامه طباطبایی

4 دانشیار گروه اقتصاد انرژی دانشگاه علامه طباطبایی

چکیده
پیش بینی تقاضای برق از مهمترین مسائل سیستم انرژی الکتریکی است. با توجه به تحولات ساختاری تقاضای برق و واقعیتهای شکل گرفته در مصرف برق در بخشهای مختلف تقاضا، پیش بینی مقدار تقاضای برق دورنمای تحولات سیستم انرژی الکتریکی کشور را در میان مدت و بلند مدت روشن خواهد کرد. با بهره گیری از رویکردهای نوین، این پیش بینی از قابلیت اطمینان بالاتری برخوردار می گردد. در این پژوهش با بهره گیری از رویکرد فضا-حالت و تلفیق آن با انتقال رژیم مارکوف، منابع اصلی نااطمینانیها در مدل لحاظ گردید. با استفاده از داده های انرژی الکتریکی ورودی به سیستم جهت تأمین تقاضای برق و متوسط قیمت حقیقی برق و دما و تعداد مشترکین در دوره ده ساله 1401-1392، پارامترهای مدل بر اساس رویکرد فضا-حالت و انتقال رژیم مارکوف برآورد گردید. رویکرد فضا-حالت در قالب پارامترهای متغیرطی زمان و رویکرد انتقال رژیم مارکوف در قالب نوسانات واریانس در مدل لحاظ گردید. نتایج نشان داد که مدل مبتنی بر این رویکرد تلفیقی، پیش بینی دقیقتری نسبت به الگوی کلاسیک تقاضای برق به دست می دهد. خطای معیار معادلات برآوردی به 1/0 تقلیل می یابد (در مدل رقیب خطای معیار معادله مربوطه 03/0 و در رویکرد تلفیقی برای مقاطع اوج 002/0 و خارج اوج 004/0 است). در حالی که این سیستم در تأمین تقاضای برق دچار چالش جدی است، حساسیت تقاضای برق نسبت به قیمت حقیقی برق و تغییرات دما رو به کاهش گذاشته و تقاضای برق مشترک نهایی رو به افزایش است.

کلیدواژه‌ها

موضوعات

محمدی، تیمور و پژویان، جمشید. (1379). قیمت‌گذاری بهینه رمزی برای صنعت برق ایران. فصلنامه پژوهش‌های اقتصادی.
شفیعی، سپیده. (1397). تأثیر رژیم‌های نرخ ارز بر تقاضای برق صنعتی: رهیافت انتقال رژیم مارکوف، پایان‌نامه کارشناسی ارشد، دانشگاه علامه طباطبایی، پژوهشکده علوم اقتصادی.
فولادی مقدم، شهاب‌الدین. (1395). برآورد تابع تقاضای برق خانگی دارای پارامتر متغیر طی زمان رهیافت فضا ـ حالت، پایان‌نامه کارشناسی ارشد، دانشگاه علامه طباطبایی، دانشکده علوم اقتصادی.
چراغی، افشین. (1399). تخمین کشش قیمتی تقاضای برق خانگی با استفاده از روش شکستگی رگرسیون. پایان‌نامه کارشناسی ارشد، دانشگاه صنعتی شریف، دانشکده مدیریت و اقتصاد.
شرکت مادر تخصصی توانیر، معاونت تحقیقات و منابع انسانی، آمارهای تفصیلی صنعت برق ایران، سال‌های متمادی.
معاونت اور برق و انرژی وزارت نیرو، مروری بر 33 سال آمار انرژی کشور 1399-1367، زمستان 1401.
بانک مرکزی جمهوری اسلامی ایران، شاخص بهای کالاها و خدمات مصرفی، 1401-1392.
شرکت مدیریت شبکه برق کشور، اطلاعات نیاز مصرف برق در پیک.
وزارت راه و شهرسازی، دفتر تدوین مقررات ملی ساختمان، مبحث 19 صرفه‌جویی در مصرف انرژی، سال 1399، مبحث 13 طرح و اجرای تأسیسات برقی ساختمان‌ها 1395، مبحث 15 آسانسور‌ها و پلکان برقی 1392.
شرکت مدیریت شبکه برق کشور، اطلاعات تولید ساعتی برق، از سال 1392 تا 1401
تصویب‌نامه هیأت وزیران، تعیین الگوی مصرف برق، طبقه‌بندی مناطق گرم و مرطوب و مدت دوره زمانی آن، مصوب 27/04/1386.
سازمان هواشناسی کشور، اطلاعات دما در ایستگاه سینوپتیکی ژئوفیزیک تهران، 1401-1392.
وزارت نیرو، معاونت سرمایه انسانی، تحقیقات و فناوری اطلاعات، گزارش عملکرد سال 1401 صنعت آب و برق، مرداد 1402.
Asante, S., Ofeo, H., Ewura, K., Anipa, P. & Arafat, B. 2023. Modelling the Hourly Consumption of Electricity during Period of Power Crisis
Central Bank of the Islamic Republic of Iran, Consumer Price Index (CPI), 2013-2022. [In Persian]
Chen, Y., Mamon R., Spagnolo, F. & Spagnolo, N. 2022 Renewable energy and economic growth: A Markov-switching approach, Energy
Cheraghi, A. (2020). Estimating the Price Elasticity of Residential Electricity Demand Using the Regression Discontinuity Method. Master's Thesis, Sharif University of Technology, Faculty of Management and Economics. [In Persian]
Fouladi Moghaddam, S. (2016). Estimating a Residential Electricity Demand Function with Time-Varying Parameters Using the State-Space Approach. Master's thesis. Allameh Tabataba'i University, Faculty of Economics. [In Persian]
Hu, Z., Ma, J., Yang, L. & Pang, M. 2019. Monthly electricity demand forecasting using empirical mode decomposition-based state space model. Energy & Environment
Iran Grid Management Co., information on peak electricity consumption needs. [In Persian]
Iran Grid Management Co., Hourly electricity generation data from the years 2013 -2022. [In Persian]
Iran, Council of Ministers, Determining Electricity Consumption Patterns, Classifying Hot and Humid Regions, and Specifying the Relevant Time Periods (Approved July 18, 2007). [In Persian]
Iran Meteorological Organization, temperature data for the Tehran Geophysics Synoptic Station (2013-2023). [In Persian]
Kim, C. J., Nelson, C. R. (1999). State-Space Model with Regime Switching, Classical and Gibbs -Sampling Approaches with Applications, The MIT Press, Cambridge, Massachusetts, London, England
Kurniati, D., Hoyyi, A. & Widiharih, T. 2018.State space model approach for forecasting the use of electrical energy (a case study on: PT. PLN (Persero) district of Kroya). Journal of Physics: Conference Series
Li, R., Chen, X., Balezentis, T., Streimikiene, D. & Niu, Z. 2020. Multi-step least squares support vector machine modeling approach for forecasting short-term electricity demand with application. Neutral computing and applications, volume 33, pages 301-320 (2021).
Ministry of Energy, Deputy for Human Capital, Research, and Information Technology: Water and Electricity Industry Performance Report 2022, August 2023. [In Persian]
Ministry of Energy, Deputy for Electricity and Energy, A Review of the Iran's Energy Statistics (1988-2021), Winter 2023. [In Persian]
Ministry of Roads and Urban Development, Road, Housing and Urban Development Research Center: Topic 19-Energy Conservation (2020); Topic 13-Design and Execution of Building Electrical Installations (2016); Topic 15-Elevators and Escalators (2013). [In Persian]
Mohammadi, T., Pajooyan, J. (2000). Optimal Ramsey Pricing for Iran's Electricity Industry. Quarterly Journal of Economic Research.
Nagbe, K., Cugliari, J. & Jacques, J. 2018. Short-Term Electricity Demand Forecasting Using a Functional State Space Model, Energies
Shafiee, S. (2018). The Impact of Exchange Rate Regimes on Industrial Electricity Demand: A Markov-Switching Approach. Master's Thesis, Allameh Tabataba'i University, Institute for Economic Research.
[In Persian]
Tavanir Co. Deputy for Research and Human Resources, Detailed Statistics of Electricity Industry in Iran. [In Persian]
Yang, l., Pang, J. 2021.Analysis and Research on Forecasting Electricity Demand Based on ARMA and VAR Model.
دوره 14، شماره 55
تابستان 1404
تابستان 1404
صفحه 36-78

  • تاریخ دریافت 12 اسفند 1402
  • تاریخ بازنگری 15 اسفند 1402
  • تاریخ پذیرش 04 اردیبهشت 1403
  • تاریخ اولین انتشار 04 اردیبهشت 1403
  • تاریخ انتشار 01 تیر 1404