عنوان لاتین:
A mathematical model for gas supply forecasting based on reliability in internal oil and gas market
شاخه علمی:
پایان‌نامه اقتصاد
گرایش علمی:
سیستم های اقتصادی و اجتماعی
قالب اجرا:
پایان‌نامه غیرصنعتی
کارفرما:
استاد راهنما:
حامد شکوری گنجوی
استاد مشاور:
سید فرید قادری
دانشگاه:
دانشگاه تهران
مقطع تحصیلی:
پایان‌نامه کارشناسی ارشد
سال دفاع:
۱۳۹۳
کلیدواژه‌ها:
گاز, شبیه سازی تصادفی, بهینه سازی, الگوریتم تلفیقی رقابت استعماری و ژنتیک, سیستم استنتاج فازی
Gas, Stochastic Simulation, Optimization, Hybrid Imperialist Competitive Algorithm- Genetic Algorithm, Fuzzy Inference System
چکیده:
"ایران با در اختیار داشتن بیش از ۱۸ درصد ذخایر گاز طبیعی جهان در رتبه اول قرار دارد. با توجه به نقش زیربنایی و مهم گاز در اقتصاد کشور و هم چنین روند رو به رشد میزان مصرف گاز نیازمندی به توسعه شبکه تولید و انتقال گاز و هم چنین افزایش قابلیت اطمینان شبکه و بالا بردن امنیت عرضه گاز احساس می شود. هدف از پژوهش در دست، ارائه چارچوبی برای برنامه ریزی توامان تامین و انتقال و توزیع گاز در سطح کلان می باشد. تصمیمات در این پژوهش گستره ی وسیعی از سیاست های استراتژیک همانند راه اندازی پالایشگاه ها و توسعه شبکه انتقال گرفته تا تصمیماتی عملیاتی هم چون میزان تولید سالیانه و برنامه ریزی توامان نگهداری و تعمیرات پیش گیرانه و اصلاحی خطوط لوله را در بر می گیرد. با توجه به عدم قطعیت های متعدد از جمله عدم قطعیت در مقادیر آتی تقاضای مصرف و وقوع خرابی در شبکه، از تکنیک شبیه سازی تصادفی سیستم مذکور بهره گرفته شده است. هم چنین با توجه به ابعاد مختلف تقاضا از جمله نوع: خانگی، تجاری و صنعتی و مکان جغرافیایی: گرمسیر، معتدل و سردسیر برای اولویت بندی تقاضا از سیستم استنتاج فازی کمک گرفته شده است. در نهایت به منظور برازش سیاست های بهینه به کمک سیستم شبیه سازی مشروح، از الگوریتم بهینه سازی تلفیقی رقابت استعماری و ژنتیک استفاده شده است.
نتایج حاصل از حل نمونه موردی، حاکی از وضعیت نامطلوب شبکه موجود برای پاسخگویی به تقاضای آتی می باشد. به طوری که الگوریتم شبیه سازی – بهینه سازی طراحی شده بخش اعظم بودجه پیش بینی شده را برای تقویت و تکمیل شبکه موجود مصرف نموده تا این که پس از رساندن شرایط به ثبات نسبی از آهنگ راه اندازی خطوط جدید کاسته است. از دلایل تمایل الگوریتم مذکور برای توسعه شبکه، بالا بردن قابلیت اطمینان سیستم از طریق راه اندازی خطوط موازی و پاسخگویی هر چه بهتر به تقاضای مصرف در حال رشد است. در ادامه به منظور سنجش نحوه پاسخگویی الگوریتم شبیه سازی- بهینه سازی به تغییرات در شرایط محیطی (سناریوها) و بررسی میزان تاثیرپذیری سیاست های بهینه و نتایج بهینه سازی از تغییرات مذکور، سناریوهای ۱۸گانه ای با تغییر در مقادیر میانگین و واریانس تقاضای مصرف و بودجه در دسترس تعریف و مورد بررسی قرار گرفته شده است. "
نتایج حاصل از حل نمونه موردی، حاکی از وضعیت نامطلوب شبکه موجود برای پاسخگویی به تقاضای آتی می باشد. به طوری که الگوریتم شبیه سازی – بهینه سازی طراحی شده بخش اعظم بودجه پیش بینی شده را برای تقویت و تکمیل شبکه موجود مصرف نموده تا این که پس از رساندن شرایط به ثبات نسبی از آهنگ راه اندازی خطوط جدید کاسته است. از دلایل تمایل الگوریتم مذکور برای توسعه شبکه، بالا بردن قابلیت اطمینان سیستم از طریق راه اندازی خطوط موازی و پاسخگویی هر چه بهتر به تقاضای مصرف در حال رشد است. در ادامه به منظور سنجش نحوه پاسخگویی الگوریتم شبیه سازی- بهینه سازی به تغییرات در شرایط محیطی (سناریوها) و بررسی میزان تاثیرپذیری سیاست های بهینه و نتایج بهینه سازی از تغییرات مذکور، سناریوهای ۱۸گانه ای با تغییر در مقادیر میانگین و واریانس تقاضای مصرف و بودجه در دسترس تعریف و مورد بررسی قرار گرفته شده است. "
Possessing more than 18 percent of the world’s natural gas, Iran stands in the first place. Since natural gas plays an important and fundamental role in country’s economy and due to growing trend of gas consumption, it is necessary to develop gas generation and transmission networks and boost these network’s reliability and gas distribution security. This thesis is to present a framework for gas supply and distribution in a macro level, simultaneously. So, a wide range of strategic decisions such as establishing refineries and distribution network developments are made. Also, these decisions cover operational ones like annual production and simultaneously planning of preventive and corrective maintenances in pipelines. With respect to several uncertainties such as uncertain amount of demands and network disruptions, a stochastic simulation method is employed. Moreover, fuzzy inference system is used to prioritize demands in different dimensions such as demand types (household, business and industrial), geographical location (tropical, temperate and cold). Finally, in order to evaluate the optimum strategies by the simulations method, a hybrid meta-heuristic of imperialist competitive algorithm and genetic algorithm are developed. Results of the considered case-study states that the current network is not appropriate enough to respond future demands. Also, respecting the simulation-optimization algorithm, great amount of predicted budget is allocated to network development so that a relative stability is obtained. Reason of algorithm’s this tendency is boosting system’s reliability by establishing parallel lines and responsiveness to growing demands. Afterwards, 18 scenarios with differences in mean and variance of demands and budgets are proposed to evaluate performance of the simulation-optimization algorithm for different circumstances and study changes in optimum decisions.