فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۵۰۱ تا ۲٬۵۲۰ مورد از کل ۳٬۱۲۴ مورد.
اجرای بهینه برنامه پاسخگویی بار TOU با ارائه یک مدل اقتصادی مربوط به رفتار مشترکین برق خانگی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
عیب مهم مدلهای اقتصادی پیشین در این است فرض بر آن است که رفتار همه مصرف کنندگان بر منطق استوار است و با افزایش قیمت مصرف خود را کاهش داده و هیچ مشکلی در کنترل خود ندارند این در حالی است که پارامترهای مختلفی از جمله طریقه زندگی افراد، عادت ها و احساسات و مواردی از این قبیل می تواند تاثیرگذار باشد. در این مقاله برای حل این مشکلات با کمک تئوری انتخاب مصرف کننده و دو ابزار مهم آن یعنی تابع مطلوبیت و قید بودجه از مدل جدیدی به نام مدل OLG و تابع CRRA که یکی از توابع مورد علاقه اقتصاددانان است بهره گرفته شد تا بتوان بر مشکل مدل های موجود غلبه نمود.ازمدل مذکور سه ضریب ρ 1 و ρ 2 (ضرایب جایگزینی)و (ثابت ریسک گریزی)حاصل می شود که این ضرایب سبک زندگی و تمایل هر خانوار را در انتقال و کاهش بار نشان می دهد.در این مطالعه مشخص شد با تنظیم ثابت ریسک گریزی و ضرایب جایگزینی مصرف کننده علاوه بر کاهش هزینه های مصرف کننده پروفیل بار صافی ایجاد خواهد شد همچنین از طریق این مدل کارایی نامناسب برنامه پاسخگوی بار TOU در تهران نشان داده شد.
نفت و سازمان تجارت جهانی
آغاز عصر B.O.T های نفتی
بررسی مقایسه ای مدل های پیش بینی کوتاه مدت قیمت در بازار برق ایران(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
در ده ه های اخیر رقابتی شدن بازار برق، مقوله قیمت را به یک عنصر اساسی در تصمیم گیری های بازیگران در چهارچوب صنعت برق تبدیل نموده است و به تبع آن بخش خصوصی به عنوان سرمایه گذار اصلی در این حوزه نیازمند پیش بینی قیمت های آینده به منظور اتخاذ استراتژی مناسب و سازگار با روند کلی نظام بازار در راستای حفظ سهم خود از بازار و حفظ حاشیه سود می باشد. در چهارچوب تحلیل های اقتصادی، این هدف با ابزار مد ل های اقتصاد سنجی محقق خواهد شد که اعتبار مدل یاد شده ناظر به کمینه سازی خطای پیش بینی در تطابق الگوی پیش بینی شده با واقعیت جاری است. پژوهش حاضر به بررسی مقایسه ای قدرت پیش بینی مدل های مبتنی بر شبکه های عصبی مصنوعی، الگوریتم ژنتیک و مدل آریما در افق کوتاه مدت با استفاده از داده های ساعتی قیمت برق پرداخته است. نتایج پژوهش، حاکی از آن است که در افق کوتاه مدت، شبکه های عصبی مصنوعی، خطای کمتری نسبت به دو الگوی دیگر در پیش بینی داشته و الگوریتم ژنتیک در جایگاه دوم قرار دارد. همچنین، الگوهای سری زمانی دارای بیشترین خطا در پیش بینی قیمت برق، با توجه به پیش بینی های درون نمونه ای را دارا می باشد. مجموع مربعات خطا در الگوی شبکه عصبی مصنوعی در داده های آموزش، اعتبار سنجی و آزمون، به ترتیب برابر 43/1473، 63/1762 و 32/1498، در الگوریتم ژنتیک در داده های آموزش و اعتبارسنجی به ترتیب برابر 20/11318 و 98/7085 و در الگوی سری زمانی برابر 37/34644 می باشد.
تحلیل انرژی و اگزرژی-اقتصادی سیستم گرمایش ساختمان به منظور بهینه سازی مصرف و مدیریت انرژی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
در بررسی حاضر، تحلیل انرژی و اگزرژی-اقتصادی برای تمامی سیستم های انتقال انرژی از منبع انرژی اولیه تا انتقال انرژی از پوشش ساختمان برای ساختمانی سه طبقه با کاربری آموزشی ارائه شده است. در مرحله اول تقاضای انرژی یا به عبارتی بار گرمایشی مورد نیاز به کمک نرم افزار کریر برای تمامی فضا ها محاسبه می گردد. با نوشتن معادلات انرژی و اگزرژی در قسمتهای مختلف اتلاف انرژی و اگزرژی بدست آمده و همچنین هزینه هر یک از اجزای سیستم گرمایشی محاسبه می شود. مرحله دوم شناسایی فرآیندهای نامطلوب ترمودینامیکی سیستم بر پایه تعیین اتلافات اگزرژی و محاسبه پارامتر به عنوان نرخ اتلافات ترمودینامیکی بر هزینه می باشد. مرحله سوم، تعیین بیشترین اصلاحات قابل پیاده سازی بر پایه مفاهیم اگزرژی-اقتصادی است بطوریکه پارامتری به نام ECE به عنوان اثربخشی هزینه اگزرژی برای تمامی سیستم های انتقال انرژی از منبع انرژی اولیه تا انتقال انرژی از پوشش های ساختمان محاسبه می گردد. نتیجتاً بیشترین اتلاف انرژی و اگزرژی مربوط به مرحله تولید و به ترتیب 80/188 ، 42/295 کیلو وات می باشد. همچنین با محاسبه و ECE مشخص می شود که دیگ آب گرم و مرحله تولید انرژی نیاز بیشتری به بهینه سازی و اصلاح دارند.