پژوهش های برنامه و توسعه

پژوهش های برنامه و توسعه

برنامه‌ریزی توسعۀ نیروگاه‌‏های حرارتی در ایران در برنامۀ هفتم توسعه، براساس محدودیت سوخت گاز

نوع مقاله : مقاله پژوهشی

نویسندگان
حسین حیرانی 1
امیر دودابی نژاد 2
سیدمحمد شبیری 3
1 استادیار گروه پژوهشی سیاست فناوری و نوآوری، مرکز تحقیقات سیاست علمی کشور، تهران.
2 دکتری اقتصاد نفت و گاز، دانشکدۀ اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران.
3 دانشجوی دکتری مهندسی برق، دانشکدۀ مهندسی برق، دانشگاه شهید بهشتی، تهران، ایران.
10.22034/pbr.2023.377353.1295
چکیده
توسعۀ نیروگاه‌های حرارتی، جهت تأمین پیوستۀ انرژی الکتریکی، به‌طور متوسط، حداقل به ۳ سال زمان نیاز دارد؛ بنابراین، لازم است برنامه‌ریزی توسعۀ ظرفیت این نیروگاه‌ها، براساس نیاز مصرف، از قبل صورت پذیرد. ازطرفی دولت‌ها، برای رشد اقتصادی و افزایش کارایی در زمینۀ احداث نیروگاه‏‌ها، شدیداً به مشارکت بخش خصوصی نیازمند هستند. هدف این تحقیق، برنامه‌‏ریزی توسعۀ نیروگاه‌‏های حرارتی، در راستای حداکثرسازی سهم توسعۀ نیروگاه‌‏های خصوصی، با لحاظ محدودیت سوخت گاز، در طول برنامۀ هفتم توسعه است. در این مقاله، ابتدا، جهت پیش‌‏بینی میزان اوج بار شبکۀ برق، در طول دوره، از دو روش سری زمانی آریما و شبکۀ عصبی نارکس استفاده می‏شود. همچنین، تأثیر دو متغیّر برون‌زا و نوظهور، شامل رشد مصرف حاصل از استخراج رمزارزها و رشد مصرف صنایع، بر میزان اوج بار بررسی می‏‌گردد. سپس، میزان ظرفیت ممکن توسعۀ نیروگاه‌‏های خصوصی، برای تأمین افزایش بار پیش‌‏بینی‌شده در بازۀ مطالعه، باتوجّه‌به محدودیت سوخت قیدشده در اسناد بالادستی، تعیین می‏‌گردد. مطابق با نتایج، در طول برنامۀ هفتم توسعه، باتوجّه‌به محدودیت سوخت، حدّاکثر، می‌‏توان برای توسعۀ نیروگاه حرارتی جدید، به میزان ۵۱۵7 مگاوات برنامه‌ریزی نمود. سیکل ترکیبی کردن نیروگاه‌های گازی موجود، ارتقای راندمان نیروگاه‌های حرارتی، افزایش ظرفیت نیروگاه‌های تجدیدپذیر و کاهش شدت مصرف انرژی، مهمترین راهکارهای پیشنهادی است.
کلیدواژه‌ها
سیاست‏‌گذاری انرژی
برنامه‌ریزی کلان
پیش‌بینی بار
نیروگاه حرارتی
سری زمانی و شبکۀ عصبی مصنوعی

موضوعات

عنوان مقاله English

Planning the Development of Thermal Power Plants in the Seventh Development Plan, based on Gas Fuel Restrictions in Iran

نویسندگان English

Hossein Heirani 1
Amir DoudabiNejad 2
Seyed Mohammad Shobeiry 3
1 Assistant Professor, Technology & Innovation Policy Studies Departments, National Research Institute for Science Policy (NRISP), Tehran, Iran .
2 PhD in Oil and Gas Economics, Faculty of Economics, Allameh Tabataba’i University, Tehran, Iran.
3 PhD students in Electrical Engineering, Faculty of Electrical Engineering, Shahid Beheshti University, Tehran, Iran.
چکیده English

The development of thermal power plants for the continuous supply of electrical energy requires an average of at least 3 years, hence the necessity to plan for proper infrastructure and requirements. Governments strongly need the participation of the private sector for economic growth and increasing efficiency in the construction of power plants. The present research attempts to plan the development of thermal power plants to maximize the share of the development of private power plants considering the limitation of gas fuel in Iran in the 7th development plan. Therefore, to predict the peak load of the power grid during the study period, two methods of the Arima time series and Narx neural network are used. Also, the effect of two exogenous and emerging variables, including the growth of consumption resulting from the mining of crypto-currencies and the growth of industrial consumption on the peak load rate, is investigated. To achieve higher accuracy, the research method is formulated by combining mathematical modeling and considering general and experimental factors and limitations affecting the problem. Then, the capacity of private power plant development to provide the expected load increase in the study period is determined according to the fuel limit stated in the upstream documents. The results demonstrate that during the years of the 7th plan, due to the maximum fuel limit, it is possible to plan to increase the thermal power capacity by 5157 megawatts.

کلیدواژه‌ها English

Macro-planning
Load Forecasting
Energy Policy
Thermal Power Plant
Time Series
Artificial Neural Network
بهارلو، ر. (۱۳۸۸). «پیش‌بینی سری زمانی با وابستگی‏‌های دراز مدّت، با استفاده از شبکۀ عصبی بازگشتی NARX». دوازدهمین کنفرانس دانشجویی مهندسی برق، ص۱:۶.
حیرانی، حسین؛ علوی‌کوشا، احمدرضا و زارعی، محسن. (۱۴۰۰). «ارائۀ مدل متوازن منابع و مصارف توسعۀ نیروگاه‌های حرارتی تا افق 1405 (برنامۀ هفتم توسعه) ». دومین کنفرانس پژوهش‌های کاربردی در مهندسی برق، اهواز.
سند تراز تولید و مصرف گاز طبیعی در کشور تا افق ۱۴۲۰، مصوبۀ شورای عالی انرژی، مورخ ۹۹/۱۲/۲۹.
سهرابی، حسین ؛ صادقی، حسین؛ افضلیان، علی اکبر و حقانی، محمود. (1391). «مقایسۀ کارایی الگوی ARIMA و شبکۀ عصبی GMDH در پیش‌‏بینی تقاضای بلندمدت برق». بیست و هفتمین کنفرانس بین‌المللی برق، تهران.
شکوری‌گنجوی، حامد؛ کاظمی، عالیه؛ عبدالله‌پور، سپهر و گلدانساز، سیدمحمدرضا. (1399). «ارزیابی اقتصادی، اجتماعی و زیست‌محیطی تولید برق از تکنولوژی‌های تجدیدپذیر و گازی». نشریۀ انرژی ایران، ۲۳ (۳):۳۳-۷.
صادقی، ح؛ افضلیان، ع.، و حقانی، م.، و سهرابی وفا، ح. (1391). «پیش‌بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبی عصبی- فازی و انبوه ذرات». تحقیقات مدل‌سازی اقتصادی، 3(10): 21-56.
کریمی، ابراهیم؛ ذکری، مریم و مدنی، سیدمحمد. (1391). «پیش بینی بلندمدت بار به روش آنالیز موجک». بیست و هفتمین کنفرانس بین‌المللی برق، تهران.
محقر، علی و نجف‌زاده، کیان. (1396). «مدل مبتنی بر پویایی سیستم برای توسعۀ ظرفیت تولید برق در کشور». فرایند مدیریت و توسعه، ۳۰ (۲):۱۷۲-۱۴۵.
محمدی، تیمور؛ تکلیف، عاطفه و بختیار، محسن (1394). «تحلیل ظرفیت بهینۀ نیروگاهی در ایران و بررسی اثرات صرفه‌جویی مصرف انرژی برآن». فصلنامۀ پژوهش‌های سیاست‌گذاری و  برنامه‌ریزی انرژی، ۱ (۱) :۱۳۷-۱۰۹.
مرزبان، ح ؛ اکبریان، ر و قاسمی، ع. (1384). «بررسی تقاضا برای انواع سوخت و جایگزینی بین آنها در نیروگاه های حرارتی تولید برق کشور (تابعۀ وزارت نیرو). (1353-1380) ». پژوهش‌های رشد و توسعۀ پایدار (پژوهش‌های اقتصادی)، 5(16): 51-74.
مونا گلچینپور. (1390). «مدیریت مؤثّر بخش انرژی کشور با بکارگیری مدل‏‌های انرژی»، اکتشاف، معاونت برنامه‌ریزی وزارت نفت، (80): 11-16.
نقش نیروگاه‌های حرارتی در تولید برق، (24 فروردین 1400)، news.moe.gov.ir/News-List/62102
Aryanpur, V., Atabaki, M. S., Marzband, M., Siano, P., & Ghayoumi, K. (2019). An overview of energy planning in Iran and transition pathways towards sustainable electricity supply sector. Renewable and Sustainable Energy Reviews, 112, 58-74.
Atabaki, M. S., & Aryanpur, V. (2018). Multi-objective optimization for sustainable development of the power sector: An economic, environmental, and social analysis of Iran. Energy, 161, 493-507.
Bitcoin Energy Consumption Index. (December 2022). Retrieved from https://digiconomist.net/bitcoin-energy-consumption
Chang, X., Gao, M., Wang, Y., & Hou, X. (2012). Seasonal autoregressive integrated moving average model for precipitation time series. Journal of Mathematics & Statistics, 8(4).
de Groot, M., Crijns-Graus, W., & Harmsen, R. (2017). The effects of variable renewable electricity on energy efficiency and full load hours of fossil-fired power plants in the European Union. Energy, 138, 575-589.
de Oliveira, E. M., & Oliveira, F. L. C. (2018). Forecasting mid-long term electric energy consumption through bagging ARIMA and exponential smoothing methods. Energy, 144, 776-788.
Essallah, S., & Khedher, A. (2019). A comparative study of long-term load forecasting techniques applied to Tunisian grid case. Electrical Engineering, 101(4), 1235-1247.
Ethereum Energy Consumption Index. (December 2022). Retrieved from https://digiconomist.net/ethereum-energy-consumption
Meher, J., & Jha, R. (2013). Time-series analysis of monthly rainfall data for the Mahanadi River Basin, India. Sciences in Cold and Arid Regions (SCAR).
MihanBlockchain. (2021, June 18). Bitcoin Mining and Blackouts in Iran. Retrieved from https://mihanblockchain.com/bitcoin-mining-and-blackouts-in-iran/
Wilcove, D. S., & Lee, J. (2004). Using economic and regulatory incentives to restore endangered species: lessons learned from three new programs. Conservation biology, 18(3), 639-645.
Xiaofeng, L., & Chunshan, Y. (2014). Research and application of data mining and NARX neural networks in load forecasting. International Journal of Database Theory and Application, 7(2), 13-24.