ارائه‌ی مدل مدیریت تأمین انرژی در ایران براساس معیارهای فنی، اقتصادی و زیست‌محیطی

محمدسعید خانی[1]، دکتر اسماعیل فلاحی[2] و دکتر مهدی بانشی[3]

تاریخ دریافت: 16/5/1395       تاریخ پذیرش: 23/12/1395

چکیده

دست‌یابی به مدل بهینه و تعریف نقشه‌ی جامع تأمین انرژی در شرایط امروز کشور به یک ضرورت تبدیل شده است. پژوهش حاضر با رویکردی کل‌نگر و ترسیم وضعیت مطلوب در ابعاد مختلف پایداری مشتمل‌بر جنبه‌های فنی، اقتصادی و زیست‌محیطی، مدل بهینه‌ای را به‌منظور دست‌یابی به منابع انرژی کم‌هزینه و سازگار بامحیط‌زیست تحت سناریو‌های مختلف زمانی 100 تا 500 ساله با ‌بهره‌گیری از الگوریتم ژنتیک ارائه نمود. نتایج ضمن مشخص نمودن ترکیب مناسب انرژی در هر دوره‌ی زمانی،حاکی ازسهم بیش‌تر سوخت‌های فسیلی جهت تأمین انرژی در دوره‌های زمانی کوتاه و تأثیر نسبی بیش‌تر شاخص مالی نسبت به زیست‌محیطی بوده درحالی‌که این روند به‌سرعت به‌سمت انرژی‌های تجدیدپذیر درحال تغییر بوده به‌گونه‌ای که سهم 63 درصدی سوخت‌های فسیلی در دوره‌ی 100 ساله به سهم 62 درصدی انرژی‌های تجدید­پذیر در افق 500 ساله تغییر یافته است. همچنین،برآورد میزان برداشت هریک از منابع انرژی از کل ظرفیت منبع درطی یک سال نشان داد با افزایش طول دوره در سناریوهای مختلف، میزان استفاده از انرژی‌های تجدیدپذیر و دوستدار محیط‌زیست تقریباً نزدیک به ظرفیت کامل بهره‌برداری از این منابع مورد توصیه بوده است.

واژگان کلیدی:مدیریت بهینه‌ی منابع انرژی، معیارهای اقتصادی، محیط زیست، الگوریتم ژنتیک.

طبقه‌بندیJEL:C61 ، P18، Q42، Q47

1-مقدمه

انرژی برای سال‌های متمادی، توجه بسیاری از برنامه­ریزان و سیاست‌گذاران را به خود معطوف نموده است، به‌طوری‌که توسعه و پیشرفت بسیاری از جوامع حاضر به‌ویژه کشورهای درحال‌توسعه،به میزان قابل‌توجهی متأثر از آن خواهد بود. از طرف دیگر،انرژی در مراحل مختلف استخراج، تولید و مصرف و نیز ضمن انجام تمام فعالیت‌های اقتصادی، به‌طور مستقیم و غیرمستقیم بر محیط‌زیست اثر گذاشته و می‌تواند به آن آسیب رساند (معاونت پژوهش‌های زیربنایی، 1393).

براساس آمارهای موجود، میزان مصرف سوخت‌های فسیلی در جهان که شامل نفت،گاز و زغال‌سنگ است، در سال2013 به میزان4/81 درصد از کل مصرف انرژی رسیده و بقیه‌ی انرژی از منابع هسته­ای، برق­آبی و تجدیدپذیر تأمین می‌شود. براساس تحقیقات انجام‌شده، میزان سهم سوخت‌های فسیلی تا سال 2035 به میزان تقریبی 81 درصد از کل مصرف جهان می­رسد که نشان‌دهنده‌ی کاهش میزان مصرف سوخت‌های فسیلی و استفاده از منابع با آلودگی کم‌تر است (شرکت بریتیش پترولیوم^[4]، 2016). در بین سوخت‌های فسیلی، گاز طبیعی رشد سریع‌تری دارد که به‌عنوان یک جایگزین پاک برای منابعی با آلایندگی زیاد نظیر زغال‌سنگ محسوب می‌شود. ایران با دارا بودن 10درصد از منابع کشف‌شده‌ی نفت و همچنین 15 درصد از کل منابع گاز جهان، از کشورهای با منابع غنی نفت و گاز محسوب می‌شود.در سال 2013 سهم مصرف داخلی انرژی ایران از گاز معادل 9/56 درصد و از نفت 2/41 درصد بوده و بقیه از دیگر منابع انرژی تأمین‌شده است(آژانس بین­المللی انرژی^[5]، 2016). با توجه به این‌که سهم عمده مصرف کشور ایران از منابع تجدیدناپذیر و تمام‌شدنی بوده و از طرفی آلودگی این منابع می‌تواند خسارات قابل‌توجهی به محیط‌زیست وارد آورد، ضرورت یک برنامه­ریزی بلندمدت برای دست‌یابی به مدل بهینه‌ای برای مصرف انرژی در کشور که ملاحظات مختلف را موردتوجه قرار دهد، وجود خواهد داشت.

دسترسی به مدل بهینه‌ی تولید انرژی و همچنین تعریف نقشه جامع تولید انرژی همواره یکی از مسائل بحث‌برانگیز میان  برنامه‌ریزان حوزه‌ی انرژی بوده است.این‌که هر کشوری از کدام منابع انرژی و به چه میزان استفاده کند تا بیش‌ترین بازده ممکن را داشته باشد از نکات قابل‌توجه بوده است. کشور ایران با داشتن منابع سرشار نفت و گاز قابلیت دسترسی به انرژی ارزان را دارد، اما مشکلات زیست‌محیطی که مصرف این منابع برای کشور ایجاد می­کند بسیار زیاد است. بدین معنا که هزینه‌های زیست‌محیطی و اکولوژیکی استفاده از این منابع محیط‌زیست کشور را نه‌تنها در حال حاضر بلکه تا نسل­های بعد تهدید می­کند (معاونت پژوهش‌های زیربنایی، 1393). اهمیت این موضوع گستردگی جهانی داشته به‌گونه‌ای که مسائلی مانند گرم شدن زمین به دلیل انتشار گازهای گلخانه‌ای حاصل از سوختن سوخت‌های فسیلی، حیات بشر را بر روی کره‌ی زمین تهدید می­کند. به همین منظور به نظر می­رسد که برای رسیدن به منبع انرژی پایدار نه‌تنها به ماهیت منبع بلکه به تأثیرات زیست‌محیطی نیز باید توجه شود.

با توجه به نقش تعیین‌کننده‌ی انرژی در فرآیند توسعه‌ی اقتصادی، تاکنون مطالعاتی در حوزه‌ی مدیریت منابع انرژی صورت پذیرفته است. میبدی و همکاران (1388) در مطالعه­ای به شبیه‌سازی تقاضای انرژی با استفاده از الگوریتم انبوه ذرات پرداخته و با بهره‌گیری از شاخص اقتصادی- اجتماعی به‌ پیش‌بینی تقاضای انرژی تا سال 1396 پرداخته­اند. نتایج ارزیابی نشان می­دهد الگوی ترکیبی شبکه‌ی عصبی و الگوریتم ژنتیک نسبت به سایر مدل­ها دارای بیش‌ترین دقت در محاسبه‌ی تقاضای انرژی کشور است. ترکیب دو مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک در پژوهشی دیگر که توسط  میرفخرالدینی و همکاران (2139) به منظور پیش بینی مصرف انرژی صورت پذیرفت نیز مورد استفاده واقع شده است. در این بررسی، از داده های  سالیانه جمعیت کل کشور، تولید ناخالص داخلی، واردات و صادرات به عنوان متغیر­های ورودیو مصرف انرژی کشور به عنوان متغیر خروجی مدل­های پیش­بینی استفاده شده است.چنگی آشتیانی و جلولی(1391) با استفاده از داده­های سری زمانی و تکنیک­های همجمعی در اقتصاد سنجی، به خصوص مدل­های پویای خود توضیح با وقفه­های توزیعی(ARDL) و ساز وکار تصحیح خطا(ECM)، روابط  بلند­مدت و  کوتاه­مدت مدل تقاضای انرژی الکتریکی کل کشور را برآورده کردند. براساس نتایج بدست آمده،  بی‌کشش بودن تقاضای برق نسبت به قیمت در این مطالعه تأیید گردید. برزین پور وکریمی(1393) در مطالعه­ای، ضمن تحلیل عوامل موثر 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 را تا سال آخر اجرای هدفمندی یارانه ها پیش­بینی کردند. گریمود و روگ^[6] (2003) منابع طبیعی تجدیدناپذیر را در یک مدل رشد درون‌زا وارد نموده و در نهایت مقادیر بهینه‌ی این منابع را جهت اجرای سیاست­های پولی و مالی محاسبه نمودند. اوزترک^[7] و همکاران (2005) با استفاده از پارامترهای سرانه‌ی مصرف، سرانه‌ی مصرف برق و GDP به بررسی رابطه‌ی علی- معلولی بین انرژی و رشد اقتصادی در کشورهای آلبانی، بلغارستان، مجارستان و رومانی پرداخته­اند. محدوده‌ی زمانی مطالعه از سال 1980 تا 2006 بوده است. تکساری^[8] (2007) با استفاده از مدل کلونی مورچه‌ها و با بهره­گیری از متغیرها تولید ناخالص داخلی، جمعیت ، صادرات و واردات به برآورد تقاضای انرژی تا سال 2025 برای کشور ترکیه پرداخته است. آنلر^[9] (2008) با استفاده از الگوریتم بهینه‌سازی انبوه ذرات با در نظر گرفتن متغیرهای تولید ناخالص داخلی، جمعیت، صادرات و واردات به ارائه‌ی توابع خطی و درجه­ی دوم تقاضای انرژی در ترکیه به تخمین تقاضای انرژی تا سال 2025 پرداخته است.جیم و روپر^[10] (2009) با استفاده از شبکه‌ی عصبی مصنوعی و مدل‌های رگرسیون خطی و نمایی و با استفاده از متغیرهای، جمعیت، تولید ناخالص داخلی، واردات و صادرات تحت چهار سناریو تقاضای انرژی کره‌ی جنوبی  را تا سال 2025 تخمین زده­اند. در مدل رگرسیون خطی و نمایی میزان تقاضا به‌ طور دائم رشد می­کند ولی در پیش­بینی ارائه ‌شده توسط شبکه‌ی عصبی مصنوعی یک نقطه‌، اوج تقاضا است و بعد ازآن میزان تقاضا کاهش می­یابد که این با دو مدل قبلی متفاوت است. نتایج این پژوهش نشان می­دهند که شبکه‌ی عصبی مصنوعی میزان تقاضا را بهتر از یک مدل رگرسیون خطی و یا یک مدل نمایی پیش­بینی می­کند.اکونومو^[11] (2010) با بهره‌گیری از یک مدل شبکه‌ی عصبی مصنوعی و با استفاده از متغیرهای دمای سالیانه‌ی محیط، ظرفیت برق نصب ‌شده، مصرف سالیانه‌ی برق مسکونی و تولید ناخالص داخلی مصرف انرژی بلندمدت کشور یونان را پیش‌بینی کرده است. این پژوهش نشان می­دهد مدل ارائه ‌شده با دقت نسبتاً خوبی میزان مصرف انرژی را پیش­بینی می­کند و به همین دلیل یک ابزار مناسب جهت اجرای سیاست­های انرژی است.تورینی^[12] و همکاران(2016) با استفاده از منطق فازی و با استفاده از پارامترهای جمعیت و تولید ناخالصی  به پیش­بینی تقاضای بلند مدت برق سالانه برزیل  تا سال 2050 پرداخته­اند. اوه^[13] وهمکاران(2016) در یک پژوهش به پیش­بینی بلند مدت مصرف برق برای سرمایش خانگی با در نظرگرفتن یک سناریو محافظه­کارانه پرداخته است. این مدلسازی با استفاده از رویکرد از پائین به بالا^[14]براساس رگرسیون خطی برای پیش­بینی تقاضای برق سرمایش خانگی و غیرخانگی در دوره 2014-2030  انجام شده است. در این پژوهش، تولید ناخالص ملی، جمعیت، واردات و صادرات در مدل لحاظ شده است. مالا و تیمیلسینا^[15] (2016) با استفاده از یک مدل به پیش­بینی تقاضای بخش­های مختلف انرژی کشور رومانی از سال 2015-2050 پرداخته­اند.نتایج این مطالعه نشان می­دهدکه در سال 2050 تقاضای انرژی 34 درصد نسبت به سال 2013 افزایش داشته است.در این بین، برخی مطالعات نظیر کانیورت^[16] و اوزترک (2006) و سیلان^[17] و اوزتورک (2004) بر استفاده از روش بهینه‌یابی الگوریتم ژنتیک تأکید داشته‌اند. مطالعه‌ی اخیر، تقاضای انرژی ترکیه را با استفاده از الگوریتم ژنتیک و براساس شاخص­های اقتصادی تخمین زده و مصرف انرژی این کشور را تحت سناریوهای مختلف تا سال 2025 پیش‌بینی کرده­ است. این مطالعه ثابت کرد که پیش‌بینی تقاضا با استفاده از الگوریتم ژنتیک بهتر از مدل ارائه‌شده توسط دولت است.

با توجه به آن‌چه گفته شد، دسترسی بهمنابع انرژی پایدار اقتصادی و منطبق با محیط‌زیست،در شرایط امروز کشور در حوزه‌ی مدیریت انرژی ضروری به نظر می­رسد.نظر به این‌که تاکنون در مطالعات معدودی به مقوله‌ی مدیریت انرژی در کشور با رویکردی کل‌نگر و ترسیم وضعیت مطلوب در ابعاد مختلف پایداری پرداخته شده است، لذادر پژوهش حاضرتلاش شده است به منظور دست‌یابی به منابع انرژی ارزان، پایدار و سازگاربامحیط‌زیست، مدلی را با تعریف شاخص‌های مختلف فنی، اقتصادی و زیست‌محیطی، تحت سناریوی‌های مختلف زمانی ارائه و از این رهگذر، راهبردهایی جهت تصمیم‌گیری بهتر توسط برنامه‌ریزان و سیاست‌گذاران حوزه‌ی انرژی فراهم شود.بدین منظور در نوشتار حاضر، پس از مقدمه، در بخش مواد و روشها ضمن معرفی اجزای الگو و اطلاعات لازم، نحوه‌ی مدل‌سازی در چارچوب الگوریتم ژنتیک تشریح  گردد. سپس نتایج حاصل از الگوی پیشنهادی ارائه و مورد بحث قرار گرفته است. درنهایت، نتیجه‌گیری کلی حاصل از مطالعه و پیشنهادهای پژوهش بر مبنای نتایج به دست آمده، ارائه شده است.

2- مواد و روش‌ها

2-1- مبانی نظری الگوریتم ژنتیک

الگوریتم ژنتیک درواقع شناخته‌شده‌ترین نوع از الگوریتم‌هایتکاملی است که طی سال‌های 1960تا1980 توسط جان هلند و همکارانش ابداع و گسترش یافت (صادقی و همکاران، 1391). الگوریتم ژنتیک در مسائل مختلف ازجمله بهینه‌یابی، طراحی، شبکه‌ی عصبی و غیره کاربرد دارد.الگوریتم ژنتیک جستجو را با جمعیتی از راه‌حل‌های اولیه‌ی تصادفی آغاز کرده و چنان‌چه معیارهای توقف برآورده نشود. سه عملگر تکثیر، جهش و تقاطع به کار گرفته می‌شود تا جمعیت به‌روز شود. هر تکرار از این سه عملگر به‌عنوان یک نسل شناخته می‌شود (صادقی و همکاران، 1392).

2-1-1- جزئیات اجرای الگوریتم ژنتیک

2-1-1-1-نمایش رشته‌ها

نمایش مناسب رشته‌ها به ویژگی­های فضای جستجو بستگی دارد، ولی معمولاًبه‌صورترشته‌های دودویی نشان داده می‌شوند.رشته‌های مورداستفاده در الگوریتم ژنتیک را می­توان به‌صورت گسسته یا پیوسته کد کرد(میرفخرالدینی و همکاران، 1392).

2-1-1-2-محاسبه­ی برازندگی

تابع برازندگی از اعمال تبدیل مناسب روی تابع هدف که قرار است بهینه شود، به دست می­آید.این تابع هر رشته را با یک مقدار عددی ارزیابی می­کند که کیفیت آن را مشخص نماید.هرچه کیفیت رشته جواب بالاتر باشد، مقدار برازندگی جواب بیش‌تر و احتمال مشارکت برای تولید نسل بعدی افزایش پیدا می­کند (گلدبرگ^[18]، 1989).

2-1-1-3-اندازه جمعیت

گلدبرگ(1989) برای محاسبه‌ی بهترین اندازه‌ی جمعیت برای کدهای دودویی تغییرهای پیوسته با طول حداکثر،شصت رشته پیشنهاد می­کند.

2-1-2-عملگرهای الگوریتم ژنتیک

2-1-2-1-انتخاب

پس‌ازاین‌که برازندگی تمام افراد یک نسل مشخص شد، طبق اصول طبیعی، فرزندانی که از زوج‌های برازنده‌تر به وجود می‌آیند، برازندگی بیش‌تری دارند؛الگوریتم ژنتیک این فرآیند را شبیه­سازی می‌کند و به افراد برازنده‌تر شانس تولیدمثل بیشتری می­دهد.ساده‌ترین روش انتخاب،استفاده از گردونه‌ی شانس است. در این روش، چرخی با قطاع­های نامساوی طوری در نظر گرفته می‌شود که هر فرد قطاعی با زاویه‌ی مرکزی  داشته باشد.حال عدد تصادفی در این قطاع‌ها قرار می­گیرد. رشته­ای انتخاب می‌شود که عدد تصادفی آن در قطاع بزرگ‌تر قرار دارد(گلدبرگ، 1989).

2-1-2-2-پیوند

پیوند مهم‌ترین عملگر الگوریتم ژنتیک و کلید موفقیت آن است. عملگر انتخابی برای کشف نواحی جدید فضای جستجو ابزاری ندارد و اگر تنها به نسخه‌برداری ساختارهای قدیمی بدون تغییر آن اکتفا شود، نمی­توان به بررسی موارد جدید پرداخت.پیوند عملگری است که اطلاعات بین رشته‌ها را به‌طور اتفاقی مبادله می­کند (میرفخرالدینی و همکاران، 1392).

2-1-2-3-جهش

سومین عملگر مهم در الگوریتم ژنتیک جهش نام دارد.اگرچه عملگرهای انتخاب و پیوند، جستجوی مؤثری در فضای طراحی می‌کنند، گاهی باعث می­شوند از بین خصوصیات رشته‌ها بروند.عملگر جهش امکان دست‌یابی مجدد به این ویژگی مثبتی را که در جمعیت نیست فراهم می­کند.رفتار عملگر جهش به‌صورت ساده، به این نحو است که برای هر فرد در مجموعه احتمال وقوع جهش که معمولاً کم‌تر از دو درصد است بررسی‌شده، چنان‌چه باید جهش انجام شود نقطه‌ای در کروموزوم به‌صورت تصادفی انتخاب می‌شود و مقدار آن از صفر به یک تغییر می­کند(میرفخرالدینی و همکاران، 1392).

2-1-2-4-همگرایی

مسئله­ی بهینه­سازی کلی در حالت عمومی خود حل نشدنی است، بنابراین در زمان محدود نمی­توان انتظار داشت به بهینه‌ی کلی تابع دست پیدا کرد، بااین‌حال معمولاً علاقه داریم که به‌عنوان عاملی اطمینان‌بخش الگوریتم بهینه‌سازی ما با احتمال یک به بهینه‌ی کلی تابع همگرا شود(میرفخرالدینی و همکاران، 1392).

2-2-نحوه‌ی مدل‌سازی

به‌منظور مدل‌سازی لازم است پس از مشخص نمودن منابع مختلف انرژی و گردآوری اطلاعات مربوطه، مدل بهینه با تعیین اهداف و محدودیت‌های الگو با در نظر گرفتن شاخص‌های فنی، اقتصادی و زیست‌محیطی تشکیل شود. مراحل موردنظر در ادامه، ارائه‌شده است. 

2-2-1- تعیین منابع انرژی و جمع‌آوری اطلاعات

2-2-1–1-نفت

میدان­های نفتی ایران مشتمل بر مخازن و حوضه‌های نفتی واقع در پهنه‌ی جغرافیای ایران می­باشند. ازآن‌جاکه ایران دارای میادین مشترکی با کشورهای عراق، کویت، عربستان، قطر،امارات و عمان هست، لذا عمده فعالیت‌های اجرایی خود را بر روی این میادین و توسعه‌ی آن‌ها متمرکز نموده است. مجموع ذخایر قابل استحصال نفت خام و میعانات گاز کشور در پایان سال 91،53/156 میلیارد بشکه بوده است.

ایران با این میزان ذخیره‌ی نفت خام و میعانات گازی متعارف، پس از ونزوئلا، عربستان سعودی و کانادا در رتبه‌ی چهارم جهان قرارگرفته و بالغ‌بر 9 درصد ذخایر نفت جهان را دارا است. بایستی خاطرنشان کرد که ایران در سال‌های گذشته در مقام دوم قرار داشته که با کشف ذخایر نفتی جدید و لحاظ نمودن ذخایر غیرمتعارف در کشورهای ونزوئلا و کانادا به مقام چهارم تنزل یافته است(معاونت امور برق و انرژی، 1391).

2-2-1-2-گاز طبیعی

میزان کل ذخایر قابل استحصال گاز طبیعی به 8/33 تریلیون مترمکعب در سال 1391 رسید. ایران با این میزان ذخیره‌ی گاز طبیعی در رتبه‌ی اول جهان قرار دارد. لازم به ذکر است که براساس آخرین آمار منتشرشده از سوی شرکت بریتیش پترولیوم، برآورد ذخایر گاز طبیعی جهان مورد تجدیدنظر قرارگرفته است. این تجدیدنظرعمدتاًبرآورد ذخایر گازطبیعی روسیه و سایر کشورهای استقلال‌یافته‌ی اتحاد جماهیر شوروی سابق و همچنین سایر کشورهایی را که اطلاعات دقیقی از میزان ذخایر گاز آن‌ها در دسترس نبوده تحت تأثیر قرار داده است. با این بازنگری ذخایر گاز طبیعی کشور روسیه که برای سالیان متمادی بزرگ‌ترین دارنده‌ی ذخایر گاز جهان بود ، به رتبه‌ی دوم پس از ایران تنزل یافت(معاونت امور برق و انرژی، 1391).

2-2-1- 3-زغال‌سنگ

در سال 1391 از مجموع 184 معدن زغال‌سنگ کشور، 111 معدن فعال، 62 معدن غیرفعال و 11 معدن در حال تجهیز بوده است. در این سال، به ترتیب 2 معدن به معادن فعال و 4 معدن به معادن در حال تجهیز کشور نسبت به سال قبل افزوده‌شده است. بررسی تعداد معادن زغال‌سنگ برحسب مالکیت نشان می­دهد که در پی اتخاذ سیاست‌های خصوصی‌سازی در کشور، 3 معدن زغال‌سنگ جدید نیز تحت مالکیت بخش خصوصی درآمدند.

با توجه به توضیحات بالا، ذخایر زمین‌شناسی (احتمالی) زغال‌سنگ ایران درمجموع حدود 11 تا 14 میلیارد تن برآورد‌شده است (معاونت امور برق و انرژی، 1391).

2-2-1-4-انرژی باد

جمهوری اسلامی ایران در بخش غربی فلات و در جنوب غرب آسیا واقع‌شده است. ایران با مساحت 1648195 کیلومترمربع بین طول جغرافیایی شرقی 44 تا 99/63 درجه و عرض شمالی 25 تا 99/39 درجهقرارگرفته و بیش ازنیمی از مساحت آن‌رانواحی کوهستانی پوشانده است.

 این کشور با تنوع آب‌وهوایی زیادی روبه رو است. نواحی شمالی ایران دارای آب‌وهوای معتدل و بارندگی فراوان به‌ویژه در نواحی غربی استان گیلان است. آب‌وهوای نواحی غربی ایران در فصول سرد، سرد و مرطوب و در فصول گرم، خشک و معتدل است. در نواحی جنوبی، دمای هوا و رطوبت بیش‌تر است، تابستان‌های بسیار گرم و زمستان‌های معتدل از مشخصات آب‌وهوایی این ناحیه است و تغییرات روزانه‌ی دما کم‌تر محسوس است. نواحی شرقی و جنوب شرقی دارای آب‌وهوای بیابانی با تغییرات زیاد دما در طول روز است. برای این‌که بتوان از منابع باد موجود جهت تولید برق استفاده نمود، وجود اطلاعات باد قابل‌اعتماد در خصوص پتانسیل باد منطقه موردنظرجهت احداث نیروگاه بادی ضروری است.

 در ایران با توجه به وجود مناطق بادخیز، بستر مناسبی جهت گسترش بهره‌برداری از توربین‌های بادی فراهم است. یکی از مهم‌ترین پروژه‌های انجام‌شده در زمینه‌ی انرژی بادی، تهیه‌ی اطلس بادی کشور بوده است که پروژه‌‌ مذکور در سازمان انرژی‌های نو ایران صورت گرفته و به‌عنوان یکی از پروژه‌های ملی در صنعت انرژی باد محسوب می‌گردد.در انجام پروژه پتانسیل سنجی بادی در ایران شرکت لامایر^[19] آلمان نیز به‌عنوان مشاور همکاری داشته است و براساس مطالعات شرکت مذکور پتانسیل بادی قابل استحصال در کشور در حدود 100 هزار مگاوات براورد گردیده است(معاونت امور برق و انرژی، 1391).

2-2-1-5-انرژی خورشیدی

انرژی خورشیدی یکی از منابع انرژی‌های تجدیدپذیر و از مهم‌ترین آن‌ها است. میزان تابش انرژی خورشیدی در نقاط مختلف جهان متغیر بوده و در کمربند خورشیدی زمین بیش‌ترین مقدار را دارا است. کشور ایران نیز در نواحی پرتابش واقع است و مطالعات نشان می‌دهد که استفاده از تجهیزات خورشیدی در ایران مناسب بوده و می‌تواند بخشی از انرژی موردنیاز کشور را تأمین نماید.

ایران کشوری است که به گفته‌ی متخصصان این فن باوجود 300 روز آفتابی در بیش از دوسوم آن و متوسط تابش5/5- 5/4کیلووات‌ساعت بر مترمربع در روز یکی از کشورهای با پتانسیل بالا درزمینه‌ی انرژی خورشیدی معرفی‌شده است. برخی از کارشناسان انرژی خورشیدی گام را فراتر نهاده و در حالتی آرمانی ادعا می‌کنند که ایران در صورت تجهیز مساحت بیابانی خود به سامانه‌های دریافت انرژی تابشی می‌تواند انرژی موردنیاز بخش‌های گسترده‌ای از منطقه را نیز تأمین و درزمینه‌ی صدور انرژی برق فعال شود.با مطالعات انجام‌شده توسط سازمان هوافضای آلمان، کشور ایران پتانسیل20000تراوات‌ساعت در یک سال (TW.h/Year) نیروگاه حرارتی خورشید و 16 ترا وات‌ساعت در یک سال (TW.h/Year) نیروگاه سلول خورشیدی (PV) را دارد (معاونت امور برق و انرژی، 1391).

2-2-1-6-انرژی زمین‌گرمایی

موقعیت قرارگیری ایران در مرزهای تکتونیکی، نیروی عظیم نهفته در کالبد کشور را نشان می‌دهد. فشار صفحه‌ی قاره‌ای عربستان و صفحه‌ی اقیانوس هند از سوی دیگر باعث تغییرشکل‌های وسیعی در ایران شده است، که چین‌خوردگی‌هایمنطقه‌ی زاگرس و راندگی آن، شواهد سطحی عظیم این نیروها هستند. قرار گرفتن ایران در کمربند آتش‌فشانی باعث شده است که گستره‌ی ایران ازلحاظ زمین ساختاری، بسیار فعال بوده و از پتانسیل بالای انرژی زمین‌گرمایی بهره‌مند باشد،وجود فعالیت‌های آتش‌فشانی و چشمه‌های آبگرم فراوان ،گواه بر این مدعی است.

پتانسیل انرژی زمین‌گرمایی در ایران بر اساس مطالعات انجام‌شده توسط سازمان هوافضای آلمان در حدود  3/11 ترا وات‌ساعت در یک سال(TW.h/Year)است(معاونت امور برق و انرژی، 1391).

2-2-1-7-انرژی زیست‌توده

منابع زیست‌توده به پنج منبع مختلف و عمده شامل زباله‌ها، فاضلاب‌های صنعتی، زائدات جنگلی، کشاورزیودامیتفکیکمی‌شود. براساس مطالعات انجام ‌شده توسط سازمان هوافضای آلمان پتانسیل انرژی زیست‌توده در حدود 7/23 ترا وات‌ساعت در یک سال(TW.h/Year)تخمین زده می‌شود(معاونت امور برق و انرژی، 1391).

2-2-1-8-انرژی برق‌آبی

نیروگاه‌های برق‌آبی نقش مؤثری در پایداری شبکه‌ی برق و به‌ویژه تأمین برق موردنیاز شبکه‌ی سراسری در ساعات اوج مصرف دارند.پتانسیل قابل استحصال از انرژی برق‌آبی در حدود 80 ترا وات‌ساعت در یک سال(TW.h/Year) در این میان رودخانه‌های کارون، دز و کرخه  به ترتیب با دارا بودن پتانسیل تولید 30 ، 9 و6 ترا وات‌ساعت در سال بیش‌ترین پتانسیل برق‌آبی در کشور را دارا هستند (معاونت امور برق و انرژی، 1391).

2-2-2-ارائه‌ی مدل بهینه‌ی الگوی تولید انرژی

 براساس موارد یاد شده، برنامه‌ریزی در حوزه‌ی مدیریت منابع انرژی در فرآیند توسعه پایدار، مستلزم در نظر گرفتن مسائل زیست‌محیطی در کنار معیارهای فنی و اقتصادی است. درواقع،  پرسش اساسی آن است که چگونه  می‌توان به منابعی از انرژی که ارزان، پایدار و سازگار با محیط‌زیست باشد، دست‌یافت. مدل پیش رو تلاشی برای پاسخ به این  پرسش اساسی است، تا از این رهگذر، راهکارهایی جهت مدیریت منابع انرژی در اختیار تصمیم گیران حوزه‌ی انرژی کشور قرار گیرد.

مدل تدوین‌شده با لحاظ سه معیار فنی، اقتصادی و زیست‌محیطی برای هریک  از منابع انرژی و مقایسه آن‌ها با یکدیگر در یک مدل برنامه‌ریزی خطی و سپس بهینه‌سازی از طریق الگوریتم ژنتیک، امکان دست‌یابی به الگوی بهینه‌ی مصرف انرژی را فراهم می­کند.

در ادامه، شاخص‌های موردنظر الگو تعریف و سپس به تشکیل الگوی تجربی مورداستفاده در این پژوهش مبادرت شده است.

2-2-2-1- تعریف شاخص‌های سه‌گانه مدل

2-2-2-1-1- شاخص فنی

برای تعریف شاخص فنی، بایستی مراحلی طی شود. در ابتدا، حداکثر پتانسیل قابل استحصال در خصوص هر یک از منابع انرژی تجدیدپذیر در طول مدت یک سال در جدول 1 ارائه شده است.

جدول 1- حداکثر پتانسیل قابل استحصال هریک از منابع انرژی تجدیدپذیر در طول یک سال

مأخذ:http://www.dlr.de

اما شرایط برای منابع فسیلی با انرژی‌های تجدید پذیر متفاوت است. منابع فسیلی محدود بوده و با مصرف بیش‌تر، از حجم این منابع کاسته می‌شود.بااین‌وجودمی‌توان این منابع را نیز تحت شرایطی پایدار فرض کرد. با این فرض که اگر استفاده از منابع فسیلی محدود شود، می­توان مدت‌زمان استفاده از این منابع را افزایش داد.البته این مفهوم بستگی به تعریف ما از پایداری دارد.برخی بر این باورند که پایداری مفهومی پانصدساله دارد. به این معنی که اگر پانصد سال در دسترس باشد پایدار است (معاونت پژوهش‌های زیربنایی، 1393). این بحث با مفهوم میزان مصرف ارتباط دارد.بدین معنی که اگر ذخایر یک منبع تجدیدناپذیر را به 500 واحد تقسیم کنیم و عدد حاصل را میزان بیشینه‌ی مصرف انرژی در یک سال نامیده و در هرسال، حداکثر، از این میزان استفاده کنیم،می‌توان مطمئن بود که این منبع پایدار خواهد ماند. البته به دلیل این‌که تعریف درستی از پایداری در دسترس نیست، در این پژوهش میزان بیشینه‌ی مصرف برای سناریوهای 300،200،100 و 500ساله محاسبه و سپسشاخص فنی پایداری به‌دست‌آمده. میزان بیشینه‌ی مصرف برای یک دوره‌ی زمانی معین از رابطه‌ی1به دست می­آید (معاونت پژوهش‌های زیربنایی، 1393).

(1)

تا این‌جا بیش‌ترین نرخ ممکن استحصال منابع انرژی محاسبه شد، اما هنوز شاخص فنی ارائه نشده است.برای فراهم نمودن امکان مقایسه‌ی منابع مختلف، بایستی به یک شاخص بدون ابعاد دست‌یافت. به‌منظور دست‌یابی به این شاخص باید حداکثر انرژی قابل برداشت از یک منبع انرژی به‌کل انرژی موردنیاز برای یک سال آن کشور تقسیم شود. شاخص موردنظر برای یک دوره‌ی زمانی مشخص از رابطه‌ی 2 به دست می­آید (معاونت پژوهش‌های زیربنایی، 1393).

(2)

2-2-2-1-2-شاخص اقتصادی

برای تشکیل شاخص اقتصادی، ابتدا باید هزینه‌ی تولید در میزان انرژی سالیانه‌ی موردنیاز کشور ضرب شود. عدد به‌دست‌آمده بیانگر میزان سرمایه‌ی مورد نیاز برای تأمین همه‌ی نیاز انرژی از یک منبع خاص است. این عدد بیشینه‌ی سرمایه‌ی مورد نیاز نام دارد که برحسب دلار است (معاونت پژوهش‌های زیربنایی، 1393). برای به دست آوردن یک شاخص بدون ابعاد باید این عدد بیشینه‌ی سرمایه‌ی موردنیاز به GDP(تولید ناخالص داخلی) سالیانه‌ی کشور تقسیم شود که نهایتاً شاخص اقتصادی پس از انجام محاسبات لازم، در جدول 4 در بخش نتایج و بحث ارائه‌شده است.

2-2-2-1-3 شاخص زیست‌محیطی

تولید الکتریسیته از هر منبع انرژی آثار مخربی بر محیط‌زیست داردکه مهم‌ترین این مشکلات، تأثیرات ناشی از تولید گازهای گلخانه­ای است.در این بخش فقط میزان تولید دی‌اکسیدکربن در کلیه مراحل ساخت تجهیزات، نصب و گسترش را به‌عنوان اثر مخرب بر محیط‌زیست در نظر گرفته می­شود.

در جدول5 میزان آلایندگی منابع مختلف برحسب (گرم کربن/ کیلو وات‌ساعت) نشان داده‌شده است. برای رسیدن به یک شاخص مناسب باید واحد این اعداد را حذف کرد. جهت دست‌یابی به شاخص موردنظر، ابتدا حجم دی‌اکسید کربن تولیدی ناشی از یک منبع خاص برای تولید انرژی موردنیاز یک سال جهان محاسبه می‌شود. بدین منظور،عامل آلایندگی انرژی موردنظر باید در انرژی مصرفی در کشور ضرب شود.در گام دوم باید محاسبه شود که این میزان آلایندگی چه میزان بر محیط‌زیست جهان تأثیرگذار است. به همین منظور اعداد حجم آلایندگی باید بر وزن اتمسفر تقسیم شود.برای محاسبه‌ی وزن اتمسفر می­دانیم فشار اتمسفر در سطح دریا 5/14 پوند بر اینچ است که این عدد معادل 10تن بر مترمربع است. از طرفی مساحت زمین 441000 میلیارد مترمربع است. بنابراین وزن اتمسفر برابر 4410000 میلیارد تن خواهد شد (معاونت پژوهش‌های زیربنایی، 1393). حال برای دست‌یابی به شاخص زیست‌محیطی، عدد حجم آلایندگی باید به وزن اتمسفر تقسیم شود که مقدار این شاخص برای منابع مختلف انرژی در جدول 5 آمده است.

2-2-2-2-تشکیل مدل

برای تشکیل مدل تجربی، پیش‌فرض‌هایی در نظر گرفته‌شده و سپس اقدام به الگوسازی شده است که در ادامه، به این موارد پرداخته می‌شود.

2-2-2-2-1-پیش‌فرض­های مدل

چهار پیش‌فرض‌ در الگوسازی موردنظر بوده که عبارت‌اند از:

الف) فرض شده تمام مصرف انرژی بشر به‌صورت الکتریسیته است.به‌عنوان‌مثال، انرژی مصرفی در حمل‌ونقل و مصارف خانگی و صنعتی همه از طریق نیروی برق خواهد بود.

ب) با توجه به اینکه میزان جمعیت رو به افزایش است، میزان تقاضای انرژی افزایش یافته، اما از طرفی پیشرفت تکنولوژی باعث بهینه­سازی مصرف انرژی و کاهش تقاضا برای انرژی می شود. به همین منظور، با توجه به برایند این دو عامل، میزان تقاضا برای انرژی در طول مدت محاسبات در نظر گرفته‌شده در مدل پیشنهادی ثابت در نظر گرفته شده است. بدین معنی که مصرف بشر در طی سال‌های آینده کاهش یا افزایش نخواهد داشت.

ج)فرض شده تاثیر پیشرفت تکنولوژی بر روی آلایندگی منبع انرژی در طول مدت در نظر گرفته برای مدل ثابت خواهد بود. این فرض با توجه به اینکه عدد آلایندگی سوخت­های فسیلی اختلاف زیادی با انرژی­های تجدیدپذیر داشته و بهبود تکنولوژی تأثیر چندانی بر این اختلاف آلایندگی ندارد، قابل توجیه است.

د)  با توجه به اینکه هدف، تمرکز بر شرایط فعلی بازار منابع انرژی در تحلیل بوده است، قیمت منابع انرژی ثابت در نظر گرفته شده است. (معاونت پژوهش‌های زیربنایی، 1393).

2-2-2-2-2-مدل‌سازی

برای دست‌یابی به یک مدل بهینه باید ابتدا یک مدل برنامه‌ریزی خطی خلق شود.مدل‌سازی­ به این معنی است که مسئله را با متغیرها و روابط ریاضی توصیف شود، به‌طوری‌که مسئله‌ی بهینه‌سازی شبیه‌سازی شود. با مشخص بودن چهار مؤلفه می‌توان مسائل بهینه‌سازی را به‌صورت زیر بیان نمود:‌‌‌‌‌‌‌‌‌

(3)                                                                                                                                                                                           

در برنامه‌ریزی خطی در این مدل، 10 منبع انرژی شامل نفت، گاز، زغال‌سنگ، هسته‌ای، سلول خورشیدی، حرارتی خورشیدی، بادی، آبی، زیست‌توده و زمین‌گرمایی در نظر گرفته شد. درنتیجه 10متغیر هم وجود دارد. در این سیستم بهینه‌سازی، اهداف عمده‌ی پایداری شامل حداقل  نمودن میزان هزینه‌ی تولید برق و میزان انتشار گاز گلخانه‌ای مدنظر است. درعین‌حال، باید توجه داشت که باید میزان تقاضا از انرژی تأمین‌ شده و میزان برداشت از منابع نمی‌تواند از بیشینه‌ی مصرف هر منبع درسال بیش‌تر باشد یا به عبارتی مقدار برداشت از منبع به‌کل تقاضا باید از شاخص فنی آن منبع کم‌تر باشد.

با توجه به توضیحات بالا، مدل موردنظر به شکل زیرنوشته می‌شود.

‌‌‌‌‌‌‌‌‌‌‌

(4)

الگوی تجربی موردنظر به‌صورت زیرقابل‌ارائه است.

(5)

متغیرهای موجود در الگوی (5) عبارتست از:

= شاخص محیط­زیستی منبع انرژی iام      = شاخص اقتصادی منبع انرژی i ام

= درصد برداشت از منبع انرژی i ام                                       = شاخص فنی منبع انرژی i ام

که هر یک از زیرنویس‌های i که معرف منبع انرژی مربوط بوده در  الگو مشخص شده است.

چنان‌که گفته شد، مدل (5) شامل دو تابع هدف بوده که در تابع هدف اول، حداقل‌سازی میزان آلودگی محیط زیست بر اثر تولید انرژی و در تابع هدف دوم، حداقل‌سازی میزان هزینه تولید انرژی مد نظر بوده تا بهترین ترکیب انرژی حاصل شود. در این الگو، دو قید در نظر گرفته شده است. قید اول مجموع درصد­ انرژی­های مصرفی است که باید کل تقاضا کشور را تامین کند و در نتیجه برابر 1 در نظر گرفته شده است. همچنین، قید دوم نشان دهنده این است که میزان برداشت از هر انرژی باید از میزان شاخص فنی کمتر باشد.

3-  تجزیه و تحلیل نتایج

مدل معرفی‌شده در بخش مواد و روش‌ها، با استفاده از نرم‌افزار متلب بهینه‌سازی و نتایج برای سناریوهای مختلف زمانی به دست ‌آمد. ذکر این نکته ضروری است که نقاط بهینه‌ی به‌دست‌آمده در الگوریتم ژنتیک تشکیل‌دهنده‌ی منحنی پارتو بوده که همه‌ی آن‌ها را می‌توان به‌عنوان بهترین جواب انتخاب کرد؛ با این وجود، به‌منظور فراهم نمودن امکان مقایسه بین دوره‌های مختلف، یک عدد با استفاده از یک میانگین­گیری از بین تمام نقاط جواب، به‌عنوان شاخص برای مقایسه انتخاب گردید.

در این بخش، در ابتدا هر یک از شاخص‌های فنی، اقتصادی و زیست‌محیطی براساس مکانیسم تعریف‌شده در بخش مواد و روش‌ها ارائه و در ادامه، براساس مدل بهینه‌ی تدوین‌شده، میزان درصد استفاده از انرژی‌های مختلف به‌منظورتأمین اهداف حداقل کردن میزان آلودگی محیط‌زیست و میزان سرمایه‌گذاری در بخش انرژی تحت سناریوهای 100، 200، 300 و 500 سال تعیین‌شده است. به‌منظورتشکیل شاخص فنی، مراحل محاسبه‌ی میزان بیشینه مصرف هر یک از منابع مختلف انرژی در جدول 2 ارائه‌شده است.

جدول 2- میزان بیشینه‌ی مصرف برای منابع مختلف انرژی

مأخذ: یافته­های پژوهش

درنهایت، جدول 3 شاخص فنی پایداری برای سناریوهای زمانی 100 ،200، 300 و 500 ساله را نشان می‌دهد.

جدول 3- شاخص فنی برای منابع مختلف انرژی تحت سناریوهای 300،200،100 و 500 ساله

مأخذ: یافته­های پژوهش

شاخص فنی در یک دوره خاص به معنای حداکثر میزان برداشت از منبع انرژی با توجه به میزان تقاضای انرژی سالیانه کشور بوده به گونه‌ای که منبع انرژی مورد نظر در آن دوره به اتمام برسد. به عنوان مثال، عدد تقریبی 47/0 برای شاخص فنی نفت در دوره 100 ساله به معنای این است که حداکثر میزان برداشت از منبع نفت در هر سال برای اینکه این منبع در دوره 100 ساله به اتمام برسد حدود 47/0 میزان تقاضای کل کشور است.  

جدول 4 نتایج محاسبات لازم جهت دست‌یابی به شاخص اقتصادی را نشان می‌دهد. لازم به ذکر است که برای انجام محاسبات موردنیاز جهت تشکیل شاخص اقتصادی، از هزینه‌ی اصلاح‌شده‌ی تولید برای هر مگا وات­ساعت (ستون سمت چپ جدول 4) که توسط مرکز مطالعات انرژی تهیه‌شده، استفاده گردید.

جدول 4- شاخص اقتصادی برای منابع مختلف انرژی

مأخذ: یافته­های پژوهش و سالوادور و کپلر^[20] (2010)

عدد بیشینه سرمایه مورد نیاز در جدول(4) به معنای آن است که هزینه تامین کل انرژی کشور از یک منبع خاص انرژی به چه میزان است. همچنین، شاخص اقتصادی در این جدول، عددی بدون ابعاد است که از تقسیم عدد بیشینه سرمایه مورد نیاز به تولید ناخالص داخلی سالانه بدست می­آید و نشان دهنده هزینه نسبی هر کدام از منابع برای تولید انرژی الکتریسیته است. بر این اساس، این شاخص می‌تواند اطلاعاتی را در این خصوص که کدام منابع در تولید انرژی الکتریسیته هزینه‌ی بیشتری خواهند داشت، در اختیار قرار دهد. مطابق جدول 4، منابع انرژی هسته‌ای و زمین گرمایی به ترتیب، کمترین و بیشترین هزینه‌های تولید الکتریسیته را دربرخواهند داشت.

همچنین، جدول 5 چگونگی تعریف شاخص زیست‌محیطی را نشان می‌دهد.

جدول 5- شاخص زیست‌محیطی برای منابع مختلف انرژی

مأخذ: یافته­های پژوهش و جوزف^[21] و همکاران (2000)

در جدول 5، عدد حجم آلایندگی به معنای این است که برای تأمین کل انرژی سالانه کشور از یک منبع خاص چه میزان آلودگی زیست محیطی برحسب گرم کربن به وجود می­آید. شاخص زیست محیطی تاثیر زیست محیطی تولید انرژی از یک منبع را بر محیط زیست نشان می دهد. هرچه عدد شاخص زیست محیطی بیشتر باشد تولید انرژی از آن منبع آلودگی بیشتری برای محیط زیست به دنبال خواهد داشت. همچنانکه از اعداد این جدول برمی‌آید، سوختهای فسیلی بیشترین آلایندگی را ایجاد نموده در حالی که انرژیهای تجدیدپذیر میزان آلودگی بسیار کمتری به دنبال داشته به طوری که انرژی بادی با اختصاص عدد 407/0 بهترین وضعیت را از این حیث دارد.

 اکنون با ورود اطلاعات حاصل از تعریف شاخص‌های مختلف موردنظر و همچنین سایر اطلاعات موردنیاز، مدل بهینه‌ی تدوین‌شده در بخش‌های قبلی، اجرا و نتایج تحت سناریوهای مختلف زمانی ارائه گردید.

نمودار 1 سهم هر یک از منابع انرژی را در تأمین انرژی موردنیاز تحت سناریوی 100 ساله نشان می‌دهد.

نمودار 1- سهم هر یک از منابع در تأمین انرژی طی دوره‌ی 100 ساله

مأخذ: یافته‌های پژوهش

همان‌طور که از این نمودار دیده می‌شود، بیش‌ترین بار انرژی بر روی انرژی‌های فسیلی و هسته­ای و کم‌تر از 20 درصد بار انرژی را بخش تجدیدپذیر متحمل می‌شود. توزیع سهم تأمین انرژی در سناریوی 100 ساله نشان‌دهنده‌ی این است که اثر شاخص مالی در این دوره نسبت به شاخص محیط‌زیستی بیش‌تر بوده است.

در نمودار (2) که مربوط به دوره‌ی 200 ساله است،مشاهده می‌شود که باید میزان استفاده از سوخت‌های نفت و زغال‌سنگ کاهش و میزان استفاده از انرژی خورشیدی حرارتی و سوخت گاز در طی دوره موردنظر افزایش پیدا کند.نتایج به‌دست‌آمده تحت این سناریو در مقایسه با نتایج سناریوی 100 ساله نشان‌دهنده‌ی این است که تأثیر شاخص زیست‌محیطی نسبت به دوره‌ی 100 ساله بیش‌تر بوده است؛به‌گونه‌ای که در دوره‌ی 200 ساله، نزدیک به 30 درصد انرژی بایستی از منابع تجدید پذیر باید تأمین شود.

            نمودار 2- سهم هر یک از منابع در تأمین انرژی طی دوره‌ی 200 ساله

مأخذ: یافته‌های پژوهش

همچنین، با توجه به نمودار (3)که برای دوره‌ی 300 ساله ترسیم‌شده است، باید میزان استفاده از انرژی هسته­ای و سوخت نفت کاهش‌ یافته و به میزان انرژی خورشیدی حرارتی و سوخت گاز افزوده شود.این تغییر الگوی تأمین انرژی، میزان آلودگی را کاهش داده و استفاده از انرژی تجدیدپذیر را به بیش از 35 درصد افزایش می‌دهد.می‌توان گفت که در این دوره، انرژی غالب از انرژی تجدید پذیر به دست می­آید.

نمودار 3- سهم هر یک از منابع در تأمین انرژی طی دوره‌ی 300 ساله

مأخذ: یافته‌های پژوهش

درنهایت، در نمودار (4) که برای دوره‌ی 500 ساله ترسیم‌شده،می‌توان اثر غالب شدن شاخص زیست‌محیطی بر شاخص اقتصادی را به‌وضوح دید به‌گونه‌ای که بیش‌تر از 60 درصد از انرژی را منابع تجدیدپذیر تأمین نموده و میزان استفاده از سوخت‌های فسیلی به‌شدت کاهش یابد.

نمودار 4- سهم هر یک از منابع در تأمین انرژی طی دوره‌ی 500 ساله

مأخذ: یافته‌های پژوهش

در مرحله‌ی بعد، میزان برداشت هر یک از منابع انرژی از کل ظرفیت آن منبع در طی یک سال تعیین‌شده است. نتایج مربوط در این مرحله نیز طی چهار سناریوی موردنظر ارائه‌شده است. نتایج موردنظر در جدول (6) خلاصه ‌شده است.

دومین ستون سمت راست جدول (6)، برداشت انواع انرژی از کل ظرفیت منبع موردنظر در یک سال را تحت سناریوی 100 ساله نشان می­دهد. همان‌گونه که از ارقام ستون مورداشاره برمی‌آید، میزان برداشت از منابع تجدیدپذیر به‌جز انرژی حرارتی خورشیدی و سلول خورشیدی بیش از 70درصد است که نشان‌دهنده‌ی این است که برای نیل به سیاست تولید کم آلودگی باید از توان بالای این انرژی‌ها استفاده شود.

ستون سوم جدول در خصوص دوره‌ی 200 ساله نشان‌دهنده‌ی این است که از بین منابع در دسترس باید از میزان برداشت از منابعی مانند نفت کاسته شود و به سایر منابع انرژی ازجمله انرژی‌های تجدیدپذیر افزود.

جدول 6- نسبت برداشت هر یک از منابع انرژی از کل ظرفیت آن منبع در طی یک سال تحت سناریوهای چهارگانه

مأخذ: یافته‌های پژوهش

برای دوره‌ی 300 ساله همان‌طور که در جدول (6) نشان داده‌شده است، میزان مصرف زغال‌سنگ از منابع در دسترس آن کم‌تر از دوره‌ی 200 ساله است که این تغییر الگو به دلیل آلودگی بالای آن برای تولید انرژی است که نشان‌دهنده‌ی اثر غالب شاخص محیط‌زیستی بر شاخص مالی است.

درنهایت، همان‌طور که از نتایج مربوط به سناریوی 500 ساله دیده می‌شود، میزان استفاده از ظرفیت انرژی‌های تجدیدپذیر تقریباً نزدیک به صد درصد درحالی‌که میزان استفاده از ظرفیت منابعی مانند زغال‌سنگ و نفت کم‌تر است. در این نمودار مجدداً تغییر الگوی تأمین انرژی به سمت انرژی‌های تأمین‌کننده‌ی اهداف زیست‌محیطی به‌طور قابل‌توجهی مورد تأکید و توصیه است.

4- نتیجه‌گیری و پیشنهاد‌ات سیاستی

دست‌یابی به مدل بهینه‌ی تولید انرژی و تعریف نقشه جامع تولید انرژی همواره یکی از مسائل اساسی توسعه‌ی کشور بوده و دسترسی به منابع انرژی پایدار اقتصادی و منطبق با محیط‌زیست، در شرایط امروز کشور به یک ضرورت تبدیل شده است. در پژوهش حاضر تلاش شده ­است با رویکردی کل‌نگر و ترسیم وضعیت مطلوب در ابعاد مختلف پایداری، به منظور دست‌یابی به منابع انرژی ارزان و سازگار با محیط‌زیست، مدل بهینه‌ای ارائه گردد. در الگوی مورد نظر، در ابتدا شاخص‌های مختلف فنی، اقتصادی و زیست‌محیطی تشکیل و نتایج بهینه‌سازی با ملاحظه‌ی اهداف مختلف تحت سناریوی‌های مختلف زمانی ارائه شد. نتایج مطالعه درخصوص 10 منبع مختلف انرژی شامل منابع سوخت فسیلی و منابع تجدیدپذیر از جمله نفت، گاز، زغال‌سنگ، هسته‌ای، سلول خورشیدی، حرارتی خورشیدی، بادی، آبی، زیست‌توده و زمین‌گرمایی طی چهار سناریوی زمانی 100 ،200، 300 و 500 ساله به دست آمد. براساس نتایج به دست آمده در سناریوی 100 ساله، سهم عمده‌ی تأمین انرژی به عهده‌ی سوخت‌های فسیلی بوده و تأثیر شاخص مالی نسبت به شاخص زیست‌محیطی بیش‌تر بوده است. جهت‌گیری تأمین انرژی در دوره‌ی 200 ساله حاکی از این است که میزان استفاده از سوخت‌های نفت و زغال‌سنگ کاهش و بهره‌گیری از انرژی خورشیدی حرارتی و سوخت گاز افزایش پیدا می‌کند. الگوی تأمین انرژی از دوره‌ی 300 ساله به بعد ضمن جایگزینی بیش‌تر انرژی خورشیدی حرارتی و سوخت گاز به جای سوخت‌های هسته­ای و نفت میزان آلودگی را کاهش داده و استفاده از انرژی تجدیدپذیر را افزایش می‌دهد به گونه‌ای که تحت سناریوی 500 ساله، انرژی غالب از منابع تجدیدپذیر به دست می­آید.

در مطالعه‌ی حاضر، همچنین میزان برداشت هر یک از منابع انرژی از کل ظرفیت آن منبع در طی یک سال تعیین‌ شد. نتایج مربوط طی چهار سناریوی موردنظر نشان داد که در طول زمان و با افزایش طول دوره در سناریوهای مختلف، نسبت برداشت به کل ظرفیت منابعی مانند نفت و زغال سنگ کاهش یافته و این نسبت در خصوص منابع تجدیدپذیر افزایش خواهد یافت. در مجموع، تغییر الگوی تأمین انرژی به سمت انرژی‌های تأمین‌کننده اهداف زیست‌محیطی به‌طور قابل‌توجهی مورد تأکید قرار گرفته به طوری که میزان استفاده از انرژی‌های تجدیدپذیر تقریباً نزدیک به ظرفیت کامل بهره‌برداری از این منابع مورد توصیه بوده است. براساس یافته‌های پژوهش حاضر پیشنهاد می‌شود دولت ضمن تدوین استراتژی‌های کلان ملی در حوزه‌ی انرژی، جهت‌گیری سیاستی خود را در این حوزه با سرعتی بیش از پیش به سمت استفاده از منابع انرژی تجدیدپذیر و دوستدار محیط زیست سوق دهد. در این راستا، ایجاد و توسعه‌ی صندوق حمایت مالی از سوختهای تجدیدپذیر می‌تواند نقش مهمی در اجرایی نمودن این سیاست‌ها ایفا نماید. همچنین نهادینه کردن فرهنگ عمومی مصرف بهینه‌ی منابع انرژی در بین آحاد جامعه از طریق ابزارهای گوناگون تأثیر بسزایی در پیشبرد اهداف این سیاست‌ها خواهد داشت.در نهایت، پیشنهاد می‌شود، سناریوهای مختلف قیمتی، تکنولوژیک و زمانی در مطالعات آتی مورد بررسیتفصیلی‌تری قرار گیرد.

5- منابع

الف) فارسی

آژانس بین­المللی انرژی (2016). قابل دسترس در: http://www.iea.org

امامی میبدی، علی، خضری، محسن و اعظمی، آرش (1388)، شبیه­سازی تابع تقاضای انرژی در ایران با استفاده از الگوریتم بهینه­سازی انبوه ذرات (PSO) ، فصلنامه‌ی مطالعات اقتصاد انرژی، سال6،شماره 2،ص159-141.

برزین پور، فرناز و کریمی، سعید (1393). پیش‌بینی آثار سناریوهای مختلف هدفمندی یارانه‌ها بر تقاضای برق خانگی با استفاده از شبکه‌های عصبی. نشریه مهندسی صنایع، شماره 48، ص83-90.

شرکت بریتیش پترولیوم (2016). قابل دسترس در: http://www.bp.com

صادقی، حسین، ذوالفقاری، مهدی، سهرابی، حسین و سلمانی، یونس (1391)،کاربرد الگوریتم انبوه ذرات و الگوریتم ژنتیک در شبیه‌سازی و پیش­بینی تقاضای انرژی، نشریه انرژی ایران، سال 15، شماره2، ص 60-45.

صادقی، حسین، سهرابی وفا، حسین و نوری، فاطمه (1392)، کاربرد شبکه عصبی مبتنی بر الگوریتم در پیش‌بینی تقاضای بلندمدت انرژی، فصلنامه‌ی پژوهش اقتصادی کاربردی، سال1، شماره2، ص 59-29.

چنگی آشتیانی، علی و جلولی، مهدی (1391). برآورد تابع تقاضای برق و پیش بینی آن برای افق چشم‌انداز 1404 ایران و نقش آن در توسعه کشور با توجه به هدفمند شدن یارانه‌های انرژی. فصلنامه پژوهش‌های رشد و توسعه اقتصادی، سال 2،شماره7،ص 101-191.

معاونت امور برق و انرژی، " ترازنامه انرژی سال 1391".

معاونت پژوهش‌های زیربنایی، "ارائه‌ی مدل مدیریت منابع انرژی"، مهرماه 1393.

میرفخرالدینی، سید حیدر، بابایی میبدی، حمید و مروتی شریف‌آبادی، علی (1392)،"پیش­بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی"، پژوهش­های مدیریت در ایران، سال17، شماره2، ص222-196.

Canyurt, O. E. and Öztürk,H. K. (2006), “Three Different Applications of Genetic Algorithm (GA) Search Techniques on Oil Demand Estimation,” Energy Conversion and Management,Vol.47, Issue.18-19 ,pp. 3138-3148.

Ceylan, H. and Ozturk, H. K. (2004), “Estimating Energy Demand of Turkey Based on Economic Indicators Using Genetic Algorithm Approach,” Energy Conversion and Management,Vol.45, Issue. 15-16, pp. 2525-2537.

Ekonomou, L. (2010), “Greek Long-Term Energy Consumption Prediction using artificial neural networks,” Energy, Vol.35,Issue.2,pp.512-517.

Geem ,Z. W. and Roper,W. E. (2009), “Energy Demand Estimation of South Korea Using Artificial Neural Network,” Energy Policy,Vol.37, Issue.10, pp. 4049-4054.

Goldberg, D. (1989), “Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, Reading, ma,” NN Schraudolph and J, Vol.3, Issue.1, pp.95-99.

Grimaud, A. and Rougé, L. (2003), “Non-Renewable Resources and Growth with Vertical Innovations: Optimum, Equilibrium and Economic Policies,” Journal of Environmental Economics and Management, Vol.45, Issue.2, pp.433-453.

http://www.dlr.de.

Joseph, V. Lucille Langlois, S. and Hamilton, B. (2000), ”Greenhouse Gas Emissions of Electricity Generation Chain Assessing The Difference,”Journal of IAEA bulletin, Vol. 42, Issue. 2, pp.19-28

Malla, S., andTimilsina, G. R. (2016). Long-Term Energy Demand Forecasting in Romania: an End-Use Demand: The World Bank, http://www.worldbank.org/

Oh, S. J., Ng, K. C., Thu, K., Chun, W., andChua, K. J. E. (2016). Forecasting Long-Term Electricity Demand for Cooling of Singapore’s Buildings Incorporating an Innovative Air-conditioning Technology. Journal of Energy and Buildings. Vol. 127, pp.183-193.

Ozturk, H. K. Ceylan, H. and Canyurt O. E.(2005), “Electricity Estimation Using Genetic Algorithm Approach: a Case Study of Turkey,” Journal ofEnergy,Vol.30, Issue.7, pp.1003-1012.

Salvadore, M. S. and Keppler, J. H.(2010),  Projected Costs of Generating Electricity: 2010 Edition, Paris Dauphine University.

Toksari, M. D. (2007), “Ant Colony Optimization Approach to Estimate Energy Demand of Turkey,” Journal of Energy Policy, Vol.35, Issue.8, pp.3984-3990.

Torrini, F. C., Souza, R. C., Oliveira, F. L. C., and Pessanha, J. F. M. (2016). Long Term Electricity Consumption Forecast in Brazil: A Fuzzy Logic Approach. Journal of Socio-Economic Planning Sciences, Vol.54, pp.18-27.

Ünler, A. (2008), “Improvement of Energy Demand Forecasts Using Swarm Intelligence: The Case of Turkey with Projections to 2025,” Journal of Energy Policy,Vol.36, Issue.6, pp.1937-1944.