عنوان پایان‌نامه
پیش بینی تقاضای گاز طبیعی جهت تخمین سرمایه گذاری در قله فرسایی
- رشته تحصیلی
- اقتصاد انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1412;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53310
- تاریخ دفاع
- ۱۱ بهمن ۱۳۹۰
- دانشجو
- معصومه ابوالحسنی
- استاد راهنما
- حمید ابریشمی
- چکیده
- گاز طبیعی نقش مهم و زیربنایی در اقتصاد کشور دارد. باتوجه به افزایش روزافزون مصرف گاز طبیعی به ویژه در ماه‌های سرد سال، برنامه ریزی در بخش گاز طبیعی جهت دستیابی به امنیت عرضه انرژی گاز طبیعی و به دنبال آن توسعه پایداراهمیت و ضرورت فراوانی دارد. و شناخت تقاضای گاز طبیعی و پیش بینی آن برای برنامه ریزی و سیاست‌گذاری‌ها ضروری می‌باشد. یکی از مسائل مهم در مصرف گاز طبیعی فصلی بودن آن و اوج مصرف گاز در ماه‌های سرد سال است که اهمیت ذخیره سازی گاز طبیعی با هدف قله سایی و تعدیل مصرف را نمایان می‌سازد. در این تحقیق الگوی ساختاری تقاضای گاز طبیعی در بخش‌های خانگی-تجاری، صنعت و نیروگاه بررسی شد و از دو روش ARIMA فصلی و شبکه عصبی GMDH برای پیش بینی تقاضای گاز طبیعی استفاده شده است.با توجه به نتایج بدست آمده روش شبکه عصبی GMDH عملکرد و دقت بالاتری در پیش بینی تقاضای گاز طبیعی دارد. در این تحقیق میزان ظرفیت بالقوه ذخیره سازی گاز طبیعی برای قله سایی مصرف گاز طبیعی در ماه‌های سرد سال ارزیابی شده است.
- Abstract
- Given the continuously rising natural gas consumption, especially in cold months, planning in the gas sector by taking into account predicted demand is critical for ensuring sustainable development. One of the important issues with gas consumption is its seasonality, with peak demand in cold months, that necessitates natural gas storage to meet peak demand. In this study we develop a model for predicting natural gas demand in residential-commercial, industrial and power plant sectors using seasonal ARIMA and Neural Network GMDH approaches. The results indicate better performance and accuracy for the GMDH approach in predicting natural gas demand. The study estimated the required natural gas storage capacity for meeting peak demand in cold months. Key words: natural gas demand prediction, Neural Network, GMDH, natural gas storage, peak shaving
