پيش‌بيني آثار سناريوهاي مختلف هدفمندي يارانه‌ها بر تقاضاي برق خانگي با استفاده از شبكه‌هاي عصبي

Forecasting Effects of Scenarios of Subsides Removal on Residential Electricity Consumption by Artificial Neural Networks

مصرف روزافزون انرژي برق در ايران، يكي از دغدغه‌هاي سياست‌گذاران اين حوزه است. وجود نظام يارانه‌ايي در تعيين قيمت، يكي از دلايل اصلي ايجاد الگوي مصرف ناصحيح بوده كه تكثر تعداد مشتركين، مصرف‌كنندگان و نوع مصرف، هزينه‌هاي زيادي را بر دولت‌ها تحميل كرده تا منجر به تصويب قانون هدفمندي يارانه‌ها توسط سياست‌گذاران اين حوزه شده است. در اين مقاله ضمن تحليل عوامل موثر بر تقاضاي برق خانگي، با استفاده از روش شبكه عصبي مصنوعي، مدلي با هدف شناخت الگوي مصرف برق خانگي ايجاد و با تعريف پنج سناريوي مختلف قيمتي، ميزان مصرف تا سال آخر اجراي قانون هدفمندي يارانه‌ها پيش‎بيني مي‌شود. سرانه‎ مصرف برق خانگي، به عنوان متغير وابسته‎ مدل در نظر گرفته شده است و عواملي چون قيمت برق، درآمد ملي سرانه، شاخصي به نمايندگي از تعداد روزهاي گرم سال و ساختار اقتصادي كشور به عنوان عوامل موثر بر آن انتخاب شدند. با توجه به نتايج به دست آمده از مدل كه قابليت توضيح بسيار خوبي داشته 0.996 R= عوامل قيمتي نقش بسيار كمي در تعيين الگوي مصرف دارند. بنابراين اجراي طرح‎هايي از سوي سياست‎گذاران اين عرصه، به منظور تغيير قابل توجه قيمت براي اصلاح الگوي مصرف ضروري به نظر مي‎رسد.

The increasing consumption of electricity in Iran is one of the greatest concerns of the government. Using the subsidy-based pricing system is one of the main reasons of improper pattern of residential electricity consumption that has imposed great cost over the government due to the increased number of consumers and their improper way of consuming electricity. In this paper, we analyze the factors that affect residential electricity demand using artificial neural network (ANN) and predict the amount of electricity consumption in 2006 (the end of the year in which subsides are being removed) by definition of five different price scenarios. The per-capita residential electricity consumption is considered as a dependent variable of the model .Electricity price, GDP per capita, macroeconomic fluctuations and a variable representing weather temperatures are used as explanatory factors. The proposed model has a good explaining capability (R=0.996) and with predicting independent variables up to 2016, the dependent variable were predicted using procedures like time series and ARIMA. The achieved results show that the price factors have limited role in defining the pattern of residential electricity consumption. So small changes in electricity price will not reduce the electricity consumption and committing scenarios with gradual changes in price will not lead to the reduction of electricity consumption. Therefore, it is necessary for the government to commit scenarios with significant increase of prices in order to correct the pattern of residential electricity consumption; otherwise, the electricity demand will increase uncontrollably due to the increasing population and consumption.