ارائه یک مدل جهت پیش‌بینی مصارف گاز خانگی با کمک دمای هوا و تعداد مشترکین
محورهای موضوعی : یافته های نوین کاربردی و محاسباتی در سیستم های مکانیکیمسعود اکبری 1 , مهدی اصغری 2 , علی اکبر امامی 3 , پرهام داوری 4 , شهناز سلامات ثانی 5 , ناهید طاهریان 6 , منصور قلی نژاد 7
1 - تحلیلگر داده تیم دایوتک (در مرکز نوآوری هلدینگ بنتک)
2 - تحلیلگر داده تیم دایوتک (در مرکز نوآوری هلدینگ بنتک)
3 - رئیس بهینه‌سازی مصرف گاز شرکت گاز استان البرز (در زمان انجام پروژه)
4 - تحلیلگر داده تیم دایوتک (در مرکز نوآوری هلدینگ بنتک)
5 - مسئول سیستم‌های کاربردی شرکت گاز استان البرز (در زمان انجام پروژه)
6 - مدیر تیم دایوتک (در مرکز نوآوری هلدینگ بنتک)
7 - مدیر پژوهش شرکت گاز استان البرز (در زمان انجام پروژه)
کلید واژه: پیش‌بینی مصرف گاز, مشترکین خانگی, رگرسیون, گاز طبیعی,
چکیده مقاله :
گاز طبیعی یکی از منابع مهم انرژی در خانه‌ها -بصورت مستقیم یا غیرمستقیم- در ایران می‌باشد. طبق آمار ارائه شده توسط مدیر دیسپچینگ شرکت ملی گاز ایران، در روزهای سرد سال ۱۴۰۰، سهم مصرف مشترکین خانگی از کل گاز تولید شده در کشور به ۷۰ درصد رسیده بوده است. همچنین براساس گزارش آماری صنعت آب و برق در آذر ۱۳۹۹، نزدیک به ۸۸ درصد از نیروی برق کشور توسط سوخت‌های فسیلی تأمین می‌شود. این آمار نشان از اهمیت مدیریت مصرف گاز در مشترکین خانگی دارد. در این مطالعه با در نظر گرفتن تأثیر دمای هوا و جمعیت، یک مدل رگرسیون غیرخطی برای پیش‌بینی میزان مصرف گاز مشترکین خانگی در بازه‌های مختلف سال ارائه شده است. همچنین جهت بررسی عملکرد این مدل، از داده‌های مصارف مشترکین خانگی ناحیه ۲ کرج استفاده شده است. نتایج بدست آمده نشان می‌دهد که ارتباط معناداری میان دمای هوا و جمعیت و میزان گاز مصرفی وجود دارد که می‌تواند به پیش‌بینی دقیق‌تر مصارف در آینده کمک کند.
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.
_||_