برآورد مدل ساختاري تقاضاي برق در بخش كشاورزي با استفاده از مفهوم روند ضمني و الگوريتم كالمن فيلتر

Estimating a Structural Model of Electricity Demand in the Agricultural Sector Using Underlying Trend Concept and Kalman Filter Algorithm

برآورد مدل ساختاري تقاضاي برق در بخش كشاورزي با استفاده از مفهوم روند ضمني و الگوريتم كالمن فيلتر حميد آماده استاديار دانشكده‌ي اقتصاد دانشگاه علامه طباطبايي amadeh@gmail.com نادر مهرگان دانشيار دانشكده‌ي اقتصاد دانشگاه بوعلي سينا همدان mehregannader@yahoo.com محمود حقاني استاديار دانشكده‌ي مديريت و اقتصاد دانشگاه صنعت آب و برق (شهيد عباسپور) haghani@pwut.ac.ir ميثم حداد دانشجوي كارشناسي ارشد اقتصاد انرژي دانشگاه صنعت آب و برق (شهيد عباسپور) Meisam.haddad66@yahoo.com تاريخ دريافت: 24/04/92 تاريخ پذيرش: 05/11/92 چكيده در سال‌هاي اخير تقاضاي برق در بخش كشاورزي ايران افزايش چشم‌گيري داشته است، از اين رو مدل‌سازي درست تابع تقاضاي برق، براي اتخاذ سياست هاي كاهش مصرف و هم‌چنين پيش‌بيني براي تامين به موقع با هزينه‌ي كم، داراي اهميت زيادي است. در مقاله ي حاضر با استفاده از مفهوم روند ضمني و ايجاد يك مدل فضا – حالت، با به‌كارگيري الگوريتم كالمن فيلتر، مدل ساختاري تقاضاي برق در بخش كشاورزي برآورد شده و داده هاي مورد استفاده در اين تحقيق به صورت سري زماني سالانه طي دوره‌ي زماني 1389-1353 بوده است. نتايج حاكي از هموار و صعودي بودن روند ضمني مي‏باشد. با توجه به آماره‌ي نسبت راستنمايي، مناسب‏ترين حالت براي ابرپارامترها، حالت تصادفي بودن سطح و ثابت بودن شيب روند تشخيص داده شده است. كشش‌هاي قيمتي و درآمدي تقاضاي برق در كوتاه مدت و بلندمدت كم‌تر از واحد به دست آمده است. بنابراين سياست هاي قيمتي و درآمدي براي كاهش مصرف كارايي لازم را ندارند و تغيير در سيستم آبياري از غرق آبي به قطره اي و باراني پيشنهاد مي‏شود. نتايج حاصل از پيش‌بيني، روند افزايشي تقاضاي برق را نشان مي‏دهد، از اين رو مديران و برنامه‌ريزان بايد با اتخاذ سياست هاي كارآمد از يك سو تقاضاي برق را كاهش دهند و از سوي ديگر برق مصرفي در اين بخش را تامين كنند. طبقه‌بندي JEL : C32، D11، Q1، Q41، Q47 كليد واژه: تقاضاي برق، بخش كشاورزي، روند ضمني، الگوريتم كالمن فيلتر، فضا - حالت.

Estimating a Structural Model of Electricity Demand in the Agricultural Sector Using Underlying Trend Concept and Kalman Filter Algorithm Hamid Amadeh Assistant Professor, Department of Energy Economics, AllamehTabatabaeʹi University, Tehran, Iran, amadeh@gmail.com Nader Mehregan Associate Professor, Department of Economics, Bu-Ali Sina University, Hamedan, Iran, mehregannader@yahoo.com Mahmood Haghani Assistant Professor, Department of Management & Economics, Power and Water University of Technology(ShahidAbbaspour), Tehran, Iran, haghani@pwut.ac.ir Meisam Hadad M.Sc student, Department of Management & Economics, Power and Water University of Technology(Shahid Abbaspour), Tehran, Iran, meisam.haddad66@yahoo.com Received: 2013/07/15 Accepted: 2014/01/25 Abstract In recent years, electricity demand in Iranian agricultural sector has been on the rise. Therefore, an accurate modeling of electricity demand is needed within which to anchor energy saving policies, predict future consumption and provide electricity in a timely and cost-effective manner. In this study, we estimate a structural model of electricity demand in the agricultural sector using underlying trend concept and Kalman filter algorithms. We use annual time series data for the period 1353-1389. The results indicate that the underlying consumption trend is smooth and upside. According to the likelihood ratio statistic, the most appropriate structures for hyper parameters are random static levels with fixed slope trends. Income and price elasticity for electricity demand in the short-run and long-run were less than unity. Therefore, price and income policies can not reduce electricity consumption. What is needed are specific measures to move farmers from flood to drip irrigation. In addition, the electricity consumption model showed an increasing trend in electricity demand. Based on the results, policy makers should adopt effective none-price policies to reduce electricity consumption in the agricultural sector while at the same time ensuring adequate electricity supply in this sector. JEL Classification: C32, D11, Q1, Q41, Q47 Keywords: Electricity demand, Agriculture, Underlying Trend, Kalman Filter algorithm, State-Space.