طراحی ساختار تعرفه ای برق مصرفی صنایع به منظور مدیریت اوج بار شبکه با تاکید بر مدلسازی عامل بنیان
Publish place: Energy Policy and Planning Research، Vol: 9، Issue: 3
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 149
This Paper With 33 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_EPPR-9-3_002
Index date: 11 March 2024
طراحی ساختار تعرفه ای برق مصرفی صنایع به منظور مدیریت اوج بار شبکه با تاکید بر مدلسازی عامل بنیان abstract
رشد روز افزون مصرف برق طی سالیان اخیر موجب شده است تا مدیریت تقاضای آن به موضوعی حیاتی در حوزه انرژی تبدیل شود. یکی از بازیگران مهم در عرصه مصرف برق صنایع هستند که لزوم بیش ازپیش توجه به این عرصه را میطلبد. در سال ۱۳۹۹ میزان مصرف برق کشور در حوزه صنعت ۳۴.۷ درصد بوده است، بنابراین انجام اقداماتی که شامل تغییر در رفتار مصرفکنندگان انرژی الکتریکی در بخش صنعتی شود، به ویژه در ایام پیک مصرف موردنیاز خواهد بود. براساس تجارب جهانی، می توان انتظار داشت با بازنگری در ساختارهای تعرفهای بخش صنعتی، الگوی مصرف در این بخش اصلاح شود. در این پژوهش یک ساختار تعرفهگذاری جدید با جایگزینی بستههای قیمتی - مقداری به جای تعرفه ثابت در زمان اوج مصرف پیشنهاد شده است همچنین برای سنجش اثربخشی ساختارهای تعرفه ای پیشنهادی، نتایج حاصل از آن برای یک شهرک صنعتی با ۶۲ مشترک در مازندران با رویکرد عامل بنیان مورد ارزیابی قرار گرفت. نتایج به دست آمده از شبیهسازی نشان داد میتوان با اعمال این ساختار به مشترکین، میانگین تقاضای اوج بار را ۲/۵۷% الی ۹/۵۱% کاهش داد.
طراحی ساختار تعرفه ای برق مصرفی صنایع به منظور مدیریت اوج بار شبکه با تاکید بر مدلسازی عامل بنیان Keywords:
agent-based modeling , tariff structure , power grid peak , energy consumption management , Consumer behavior , مدل سازی عامل بنیان , ساختار تعرفه ای , پیک شبکه برق , مدیریت مصرف انرژی , رفتار مصرف کنندگان
طراحی ساختار تعرفه ای برق مصرفی صنایع به منظور مدیریت اوج بار شبکه با تاکید بر مدلسازی عامل بنیان authors
رسول منصوری بیدکانی
Tehran University
عباس ندایی
Tehran University
امیر علی سیف الدین
Tehran University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :