Prediction of Residual Gas Consumption using Temperature and Population of ConsumersUse case : Residual Consumers of Karaj
Subject Areas :
Masoud
Akbari
1
(Data Analyst at Daiottech (at Bontech Holding Innovation Center))
Mahdi
Asghari
2
(Data Analyst at Daiottech (at Bontech Holding Innovation Center))
Aliakbar
Imami Satlou
3
(Head of Gas Consumption Optimization Alborz Province Gas Company)
Parham
Davari
4
(Data Analyst at Daiottech (at Bontech Holding Innovation Center))
Shahnaz
Salamat Thani
5
(Responsible for application systems Alborz Province Gas Company)
Nahid
Taherian
6
(Head of Daiottech (at Bontech Holding Innovation Center))
Mansour
Gholinejda
7
(Research Director Alborz Province Gas Company)
Keywords: Natural gas, Natural Gas Consumption Prediction, Regression, Residential Consumers,
Abstract :
Natural gas has a vital role as energy supplier in Iranian residual regions. According to reports of manager of dispatching department of National Iranian Gas Company, residual consumers had a share of 70 percentage of all manufactured natural gas, on cold days of 2021. Also about 88 percentage of the country's electricity is supplied by fossil fuels, based on the report of Water and Electricity Industry. All of these statistics warn us about the importance of residential gas management. In this article, a nonlinear regression model was produced based on temperature and population of residential consumers in different periods of year. Also consumptions of residential consumers of Karaj city used to evaluate performance of the model. Results show that there is a meaningful correlation between selected features and consumed amount of natural gas that can help us to predict consumption more accurate in future.
[1] [Online]. Available: https://tn.ai/2630866.
[2] [Online]. Available: mshrgh.ir/1169256.
[3] اشراق‌نیای جهرمی، ع. و ایقانی‌یزدلی، ر. (۱۳۸۷). مدلسازی مصرف گاز طبیعی و فرآورده‌های نفتی، و بررسی امکان جانشینی گاز طبیعی به‌جای فرآورده‌های نفتی در ایران. مجله علمی و پژوهشی شریف، شماره چهل و پنجم، دی ۱۳۸۷.
[4] صادقی، ح. و ذوالفقاری، م. (۱۳۸۸). طراحی روشی نوین برای پیش‌بینی تقاضای کوتاه مدت گاز طبیعی در بخش خانگی. فصل‌نامه مطالعات اقتصاد انرژی، سال ششم، شماره ۲۳، زمستان ۱۳۸۸، ۷۰ - ۴۳.
[5] [Online]. Available: irna.ir/xjG5dJ.
[6] پرتوی سنگی، م.، مومن‌زاده حقیقی، ح. و ارفعی‌نیا، ح. (۱۳۹۸). پیش‌بینی مصرف گاز مشترکین با استفاده از داده‌کاوی در شرکت گاز بوشهر. ششمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات، فروردین ۱۳۹۸.
[7] بخشی‌فرد، س. و جلالیان، ا. (۱۳۹۸). ارزیابی ترکیب ماشین بردار پشتیبان جهت پیش‌بینی مصرف ماهانه گاز طبیعی با استفاده از راهکارهای هوش تجاری. سومین کنگره بین‌المللی علوم و مهندسی ۱۳۹۸.
[8] چائیده، ا. و باهری، ع. (۱۳۹۶). پیش‌بینی مصرف انرژی یک ساختمان مسکونی با استفاده از رگرسیون خطی چندمتغیره در اقلیم گرم و خشک کشور-۱۳۹۶. نشریه علمی – تخصصی تبدیل انرژی (JEED)، دوره ۴، شماره ۴، زمستان ۹۶.
[9] Forouzanfar, M., Doustmohammadi, A., Menhaj, M.B. and Hasanzadeh, S. (2010). Modeling and estimation of the natural gas consumption for residential and commercial sectors in Iran. Applied Energy 87.1: pp 268-274.
[10] Anagnostis, A., Papageorgiou, E., Dafopoulos, V. and Bochtis, D., (2019).Applying long short-term memory networks for natural gas demand prediction. 10th International Conference on Information, Intelligence, Systems and Applications (IISA). IEEE,.
[11] Aras, H. and Nil A. (2004). Forecasting residential natural gas demand. Energy Sources 26.5: pp 463-472.
[12] Berrisford, H. G. (1965). The relation between gas demand and temperature: a study in statistical demand forecasting. Journal of the Operational Research Society 16.2: pp 229-246.
[1] [Online]. Available: https://tn.ai/2630866.
[2] [Online]. Available: mshrgh.ir/1169256.
[3] اشراق‌نیای جهرمی، ع. و ایقانی‌یزدلی، ر. (۱۳۸۷). مدلسازی مصرف گاز طبیعی و فرآورده‌های نفتی، و بررسی امکان جانشینی گاز طبیعی به‌جای فرآورده‌های نفتی در ایران. مجله علمی و پژوهشی شریف، شماره چهل و پنجم، دی ۱۳۸۷.
[4] صادقی، ح. و ذوالفقاری، م. (۱۳۸۸). طراحی روشی نوین برای پیش‌بینی تقاضای کوتاه مدت گاز طبیعی در بخش خانگی. فصل‌نامه مطالعات اقتصاد انرژی، سال ششم، شماره ۲۳، زمستان ۱۳۸۸، ۷۰ - ۴۳.
[5] [Online]. Available: irna.ir/xjG5dJ.
[6] پرتوی سنگی، م.، مومن‌زاده حقیقی، ح. و ارفعی‌نیا، ح. (۱۳۹۸). پیش‌بینی مصرف گاز مشترکین با استفاده از داده‌کاوی در شرکت گاز بوشهر. ششمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات، فروردین ۱۳۹۸.
[7] بخشی‌فرد، س. و جلالیان، ا. (۱۳۹۸). ارزیابی ترکیب ماشین بردار پشتیبان جهت پیش‌بینی مصرف ماهانه گاز طبیعی با استفاده از راهکارهای هوش تجاری. سومین کنگره بین‌المللی علوم و مهندسی ۱۳۹۸.
[8] چائیده، ا. و باهری، ع. (۱۳۹۶). پیش‌بینی مصرف انرژی یک ساختمان مسکونی با استفاده از رگرسیون خطی چندمتغیره در اقلیم گرم و خشک کشور-۱۳۹۶. نشریه علمی – تخصصی تبدیل انرژی (JEED)، دوره ۴، شماره ۴، زمستان ۹۶.
[9] Forouzanfar, M., Doustmohammadi, A., Menhaj, M.B. and Hasanzadeh, S. (2010). Modeling and estimation of the natural gas consumption for residential and commercial sectors in Iran. Applied Energy 87.1: pp 268-274.
[10] Anagnostis, A., Papageorgiou, E., Dafopoulos, V. and Bochtis, D., (2019).Applying long short-term memory networks for natural gas demand prediction. 10th International Conference on Information, Intelligence, Systems and Applications (IISA). IEEE,.
[11] Aras, H. and Nil A. (2004). Forecasting residential natural gas demand. Energy Sources 26.5: pp 463-472.
[12] Berrisford, H. G. (1965). The relation between gas demand and temperature: a study in statistical demand forecasting. Journal of the Operational Research Society 16.2: pp 229-246.
_||_