مدیریت مصرف انرژی در بخش خانگی و تجاری با تکیه بر تولید ناخالص داخلیاز طریق فن آوری اطلاعات و مدل های رگرسیونی

محورهای موضوعی : مدیریت محیط زیست

محمدعلی عباس پور ¹ , علیرضا حاج ملا علی کنی ²

1 - کارشناس ارشد، گروه فن آوری اطلاعات، دانشگاه علامه طباطبایی
2 - دانشجوی دکتری مهندسی انرژی، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات

تاریخ دریافت : 1392/01/23 تاریخ پذیرش : 1392/01/23 تاریخ انتشار : 1391/04/01

کلید واژه: مدل سازی انرژی, فن آوری اطلاعات, مدیریت مصرف و کاهش آلودگی,

چکیده مقاله :

یکی از مشکلات و چالش های پیش روی مدیران و برنامه ریزان بخش انرژی در حوزه مدیریت مصرف، فقدان به کارگیریصحیح آمار و اطلاعات موجود در قالب یک الگوی مناسب جهت شبیه سازی و پیش بینی روند تغییرات تقاضا محسوب می شود. دربسیاری از موارد روش آزمون و خطا در فرایند تصمیم سازی به کار گرفته می شود. در مواردی که استفاده از الگویی مناسب می تواندچالش مذکور را مرتفع سازد، عدم به روز رسانی به هنگام آمار و اطلاعات مورد استفاده در الگو، چالش جدیدی را به وجود می آورد کهفقدان امکان تصمیم سازی به موقع از اولین نتایج منفی آن به حساب می آید.هر دو چالش فوق IT در این مقاله تلاش شده است که با معرفی و به کارگیری مدل های رگرسیونی و تلفیق آن با فن آوریالذکر به طور همزمان بر طرف گردیده و مسیر تصمیم سازی در مدیریت مصرف انرژی در بخش خانگی و تجاری کشور که به صرفه جوییو ایجاد محیط زیستی GHG و کنترل مصرف بی رویه می انجامد هموار شود. بدون تردید، این امر می تواند موجب کاهش انتشار گازهایبهتر شود.

چکیده انگلیسی:

One of the main problems and challenges facing the managers and decision makers of energy sector in consumption management area is known as the lack of accurate information and statistics in an appropriate model for simulating and predicting the demand trend. In most cases, mental and trial-and- error methods have been witnessed to be employed for decision making processes. In cases where an appropriate model has the ability to solve the mentioned challenge, but failing to update the information and statistics used in the model can cause a new challenge which may finally results in delaying the decision making process. This paper attempts to introduce and employ a combination of regression models and IT to solve the above two challenges simultaneously and facilitate decision making process for energy consumption management in residential and commercial sectors. This can lead to a better decision making process for acceptable energy saving policy and management and cost reduction of its operation. With no doubt, this will help to reduce the GHG emissions and lead to a better environment.