204

Long term Natural Gas Demand Forecasting UsingComputational Intelligent Systems – Case Study: NaturaGas Demand Forecasting in Golestan Provincel

كارشناسي ارشد

صنايع، صنايع

تهران شمال

94

94/11/28

18/25

133ص

صفائي، عبداستار

سروشف عليرضا

130-127ص

Modeling , Neural Network , Time series , Regression

صنعت گاز از صنايع زيربنايي يك كشور و ركني بسيار مهم در رشد و پيشرفت جوامع امروزي محسوب مي شود. براساس گزارش آژانس بين المللي انرژي انتظار مي رود توليد جهاني گاز طبيعي تا سال ٢٠١٩ با صد ميليارد متر مكعب افزايش به سالانه حدود ٤ تريليون متر مكعب برسد. از طرف ديگر با تكنولوژي هاي موجود هنوز نمي توان ذخيره اين انرژي را در ابعاد بزرگ امكان پذير نمود. براين اساس پيش بيني تقاضا از جمله مواردي است كه اجراي موفق آن مي تواند باعث افزايش كارآيي سازمان و صرفه جويي در منابع شود. اين امر در سيستم هاي توزيع گاز كه از قابليت ذخيره سازي كمتري برخوردارند اهميت بيشتري دارد. پيش بيني تقاضاي گاز نيازمند داشتن يك مدل مناسب مي باشد تا احتمال ريسك هاي حاصل از تنظيم قرارداد هاي خدمات بهره برداري، تنظيم قرارداد هاي خريد گاز، بازنگري ظرفيت ايستگاه هاي موجود و ساير پارامتر هاي موثر در توزيع گاز همچون ظرفيت خطوط انتقال و شبكه ها در طول زمان به حداقل برساند. تحقيق حاضر پيش بيني مصارف گاز خانگي استان گلستان تا افق ١٤٠٤ را از طريق پيشنهاد يك الگوريتم تلفيقي از مدل هاي شبكه عصبي و سري هاي زماني ارائه نموده است. در مدل پيشنهادي ابتدا بمنظور تعيين اهميت عوامل موثر بر مصارف گاز خانگي استان گلستان، از مدل شبكه عصبي استفاده شد. در اين تحقيق هفت شبكه متفاوت مورد بررسي واقع شد و در نهايت مدلي با بيشترين قابليت اطمينان، طراحي گرديد. نتايج نشان مي دهد كه در ميان عوامل در نظر گرفته شده در تحليل، دماي متوسط، تعداد مصرف كنندگان، قيمت، ساعات آفتابي، جمعيت، رطوبت نسبي و سرعت باد به ترتيب داراي بيشترين اهميت مي باشند. پس از تعيين اهميت عوامل مختلف، ابتدا يك مدل طراحي آزمايش در نظر گرفته شد كه تعداد عوامل آن با توجه به عوامل فوق الذكر هفت عامل و تعداد سطوح آن با توجه به دو مدل مورد بررسي، دو سطح مي باشد. سپس با در نظر گرفتن عوامل با اهميت، پيش بيني براي هر عامل به دو روش شبكه عصبي و روش سري زماني انجام شده و بر اساس آزمايشات مشخص شده روش هاي پيش بيني عوامل موثر بر مصرف با توجه به داده هاي در دسترس مصرف كل و مدل اوليه مورد سنجش قرارگرفته و خطاي هر آزمايش مشخص گرديد. همچنين پيش بيني تقاضاي گاز به روش رگرسيون نيز انجام گرديد كه دقت آن كمتر از روش تركيبي پيشنهادي مي باشد. در نهايت تلفيقي از مدل ها كه كمترين خطا در پيش بيني سالانه را داشت انتخاب گرديد و پيش بيني مصارف براي مهرماه سال ١٣٩٤ الي سال ١٤٠٤حاصل گرديدنتايج نشان مي دهند كه صحت مدل تلفيقي پيشنهادي در برآوردتقاضاي گاز8/98درصدمي باشد.

33462