بررسي عوامل موثر بر تقاضاي برق بخش خدمات با استفاده از الگوريتم كرم شب تاب و الگوريتم فاخته

Investigating the factors influencing the demand for electricity in service providing sector using Firefly and Cuckoo algorithms

يكي از نهاده‌هاي مهمي كه ناديده گرفتن آن در تابع توليد هر بخش مي‌تواند يك تورش جدي در برآورد توليد آن بخش ايجاد كند، نهاده انرژي است. امروزه با توجه به پيشرفت تكنولوژي در بخش خدمات و تنوع توليد در اين بخش، انرژي‌هاي با كيفيت بالا مانند الكتريسيته، جايگزين سوخت‌هاي با كيفيت پايين شده‌اند. تحليل تقاضاي انرژي در بخش خدمات، يكي از موضوعات مهم دركشورهاي در حال توسعه است. بنابراين، به كارگيري روش‌هاي تحليلي براي شناخت و درك بيشتر از تقاضاي انرژي اهميت مي‌يابد. در اين مقاله ابتدا تابع تقاضاي برق بخش خدمات با دو الگوريتم كرم شب تاب و الگوريتم فاخته طي دوره 1392-1367برآورد شده و در ادامه براساس معيارهاي ارزيابي عملكرد، مدل برآورد شده با الگوريتم كرم شب تاب براي بررسي عوامل موثر بر تقاضاي برق در اين بخش انتخاب شده است. نتايج نشان مي‌دهند كه متغيير تعداد مشتركين با ميزان تقاضا رابطۀ مستقيم دارد، كشش متقاطع قيمتي 4/0 برآورد شده حاكي از جايگزيني نسبتا پايين برق با گاز مي‌باشد همچنين رابطه مستقيم بين ارزش افزوده بخش خدمات و مصرف برق بيانگر ضروري بودن نهاده انرژي برق در بخش خدمات است. با توجه به پايين بودن كشش قيمتي برآورد شده(0.21-)، نمي‌توان انتظار داشت كه با افزايش قيمت برق، ميزان مصرف برق در اين بخش به سرعت كاهش يابد. متغير تعداد مشتركين برق با مصرف برق رابطه مستقيم دارد.

One of the most important components the negligence of which may cause serious bias in the estimates of production in any sector is power input. Nowadays, due the development of technology in service providing sectors and production variety, low-quality fuels have been replaced with quality energies such as electricity. The analysis of energy demand in service sector is one of the most important issues in the developing countries. Therefore the application of analytic methods for the recognition and understanding energy demand becomes important. In this article, first we will estimate the electricity demand function between 1989 and 2014 using firefly and cuckoo algorithms. Then according to performance evaluation criteria, the estimated model is used with firefly algorithm to study the factors influencing the demand for electricity in this sector. The results show that the number of users is in direct correlation with demand for electricity. Cross-price elasticity is estimated as 0.4 which indicates the slow replacement of gas with electricity. The direct relationship between the added value of service sector and electricity consumption also reveals the necessity of electricity input in service sectors. Due to the low estimated price elasticity, we can’t expect that the increase in electricity price leads to the rapid decrease of electricity consumption in this sector. The number of users as a variable has direct correlation with electricity consumption.