مدل سازی مصرف انرژی الکتریکی بخش مسکونی بر اساس شاخص UTCI(مقاله علمی وزارت علوم)
منبع:
جغرافیا و برنامه ریزی سال ۲۹ تابستان ۱۴۰۴ شماره ۹۲
402 - 378
حوزههای تخصصی:
مطالعه حاضر با هدف شناسایی تاثیرگذارترین متغیر اقلیمی بر مصرف انرژی الکتریکی بخش مسکونی و همچنین معرفی بهترین مدل در برآورد مصرف، با استفاده از مدل سازی مصرف انرژی الکتریکی انجام شده است. داده های اقلیمی برای سال های 2003 تا 2022 از مرکز پیش بینی میان مدت وضع هوا (ECMWF) و همچنین دادهای مصرف سالیانه انرژی الکتریکی بخش مسکونی به تفکیک استان های ایران، از توانیر دریافت شد. به منظور بررسی روند، از آزمون ناپارامتریک من-کندال استفاده گردید و برای مدل سازی مصرف انرژی الکتریکی، از مدل های، رگرسیون خطی چندگانه(MLR) ، شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبانی (SVM) و جنگل تصادفی (RF) استفاده شد. نتایج نشان داد که همبستگی میان مصرف انرژی الکتریکی بخش مسکونی و دمای کمینه و بیشینه، در تمام استان های کشور مثبت و رابطه مصرف انرژی الکتریکی با شاخص UTCI در استان های مختلف، مقادیر مثبت و منفی را به خود اختصاص داده است. به طوری که در 22 استان همبستگی مثبت و در 9 استان همبستگی منفی می باشد. نتایج حاصل از برسی روند تغییرات نشان داد که دمای کمینه، دمای بیشینه و انرژی الکتریکی، در همه استان ها روند افزایشی داشته است اما شاخص UTCI، روند منفی را هم در تعدادی از استان ها ثبت کرده است. همچنین رابطه ای که از مدل رگرسیونی گام به گام حاصل شد، نشان داد که در 23 استان، تنها متغیر تاثیرگذار، دمای کمینه می باشد. در استان های اصفهان، خراسان جنوبی و کرمان، متغیر های دمای کمینه و شاخص UTCI به عنوان متغیر تاثیرگذار شناخته شد. در استان های اردبیل، گیلان و گلستان، تنها دمای بیشینه وارد معادله گردید. نتایج حاصل از مدل سازی نشان داد، مدل ANN عملکرد بهتری را نسبت به سه مدل دیگر داشته است. به طوری که بیشترین ضریب همبستگی با 79/0 و حداقل خطا با 360 را ثبت کرده است. مدل های MLR، SVM و RF به ترتیب عملکرد بهینه، در رتبه های بعدی قرار دارند.