نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه تربیت مدرس

2 دانشیار دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس

3 استادیار دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس

چکیده

  مقاله حاضر به بررسی آثار ناشی از اصلاح قیمت سوخت نیروگاهی بر روند تغییر در ترکیب تکنولوژی تولید نیروگاهی و دیگر خروجی‌های بازار برق ایران اختصاص دارد. در این راستا ابتدا بازار برق ایران با استفاده از رویکرد عامل بنیان برای یک دوره بلندمدت شبیهسازی شده است. سپس تغییرات در خروجیهای نهایی بازار برق شامل متوسط قیمت بازار برق، متوسط راندمان نیروگاه‌ها، میزان ظرفیت نیروگاهی و ترکیب تکنولوژی نیروگاهی در نتیجه اصلاح قیمت سوخت موردبررسی و تجزیه و تحلیل قرار گرفته است. نتایج حاصله از بررسیهای انجام شده حاکی از آن است که در وضعیت کنونی ترکیب تکنولوژی موجود در بازار برق ایران از شرایط بهینه فاصله دارد. بر این اساس اصلاح قیمت سوخت نیروگاهی می‌تواند بازدهی و انگیزههای سرمایهگذاری در تکنولوژی‌های مختلف را به گونهای تغییر دهد که ترکیب تکنولوژی نیروگاهی در کشور با تغییرات اساسی روبه‌رو شده و با افزایش سهم نیروگاه‌های کاراتری چون نیروگاه‌های سیکل ترکیبی، منجر به افزایش راندمان تولید برق در ایران از حدود 36 درصد کنونی تا بیش از 55 درصد شود.

کلیدواژه‌ها

جدیدالاسلام زیدآبادی، مرتضی، احسان بی جامی و  اکبر ابراهیمی (1390)، «برنامه ریزی توسعه تولید با استفاده از الگوریتم اصلاح شده SFL»، مجله علمی پژوهشی سیستم‌هایهوشمنددرمهندسیبرق،  شماره اول، سال دوم، بهار، صفحات 27-44.
دهاقین، محمد، پارسا محسن مقدم و محمد حسین جاویدی (1383(، «برنامه‌ریزی بهینه توسعه تولید با استفاده از الگوریتم ژنتیک»، دوازدهمین کنفرانس مهندسی برق ایران.
منظور، داوود و حسین رضایی (1391)، «بررسی اصلاح قیمت سوخت مصرفی نیروگاه‌ها بر میزان ظرفیت سازی و تولید برق در کشور: رویکرد پویایی سیستمی»، فصلنامهپژوهشهاوسیاست‌هایاقتصادی، شماره 64،سال بیستم، زمستان، صفحات 25-46.
Aizenberg, N. (2014), “Interaction of Generation Companies in the Electricity Market of Russia, Procedia Computer Science”,  31, 75 – 84.
Botterud, A., R. M. Mahalik, T. D. Veselka, H. S. Ryu and K. W. Sohn (2007), “Multi-Agent Simulation of Generation Expansion in Electricity Market”, Power Engineering Society General Meeting, IEEE.
Bun, W .D. and S. F. Oliveira (2007), “Agent-based Analysis of Technological Diversification and Specialization in Electricity Markets”, European Journal of Operational Research, 181: 1265–1278.
Chappin, E. J. L. and G. P. J. Dijkema (2007), “An Agent Based Model of the System of Electricity Production Systems: Exploring the Impact of CO2 Emission-Trading”, SoSE '07. IEEE International Conference on System of Systems Engineering.
Dahlan, N. Y. (2011) “Valuation Model for Generation Investment In Liberalized Electricity Market”, Ph.D. Thesis, School of Electrical and Electronic Engineering, University of Manchester.
Dahlan, N. Y. (2015), “Agent-Based Modeling for Studying the Impact of Capacity Mechanisms on Generation Expansion in Liberalized Electricity Market”, Journal of Electrical Engineering and Technology, 10 (4): 1460-1470.
EIA (2013), “Updated Capital Cost Estimates for Utility Scale Electricity Generating Plants”.
Hussy, C., E. Klaassen, J. Koornneef and F. Wigand (2014), “International Comparison of Fossil Power Efficiency and CO2 Intensity”, ECOFYS.
Olsina, F., F. Garce and H. Haubrich (2006), “Modeling Long-Term Dynamics of Electricity Markets”, Energy Policy, 34: 1411–1433.
Ortega-Vazquez, M. A. and D. S. Kirschen (2008), “Assessment of Generation Expansion Mechanisms Using Multi-Agent Systems”, Power & Energy Society General Meeting, Pittsburgh, Pennsylvania, US.
Pereira, A. J. C. and J. T. Saraiva (2010), “A Decision Support System for Generation Expansion Planning in Competitive Electricity Markets”, Electric Power Systems Research, 80:  778–787.
Richstein, J. C., E. J. L. Chappin and L. J. de Vries (2014), “Cross-Border Electricity Market Effects Due to Price Caps in an Emission Trading System: An Agent-Based Approach”, Energy Policy, 71: 139–158.
Santos, H. L. and L. F. L. Legey (2013), “A Model for Long-Term Electricity Expansion Planning with Endogenous Environmental Costs”, Electrical Power and Energy Systems, 51: 98–105.
Sensfuß, F., M. Genoese and M. Ragwitz (2008), “Analysis Of The Impact Of Renewable Electricity Generation On CO2 Emissions And Power Plant Operation In Germany”, Symposium Energie innovation, Graz/Austria.
Tang, L., J. Wu, L. Yu and Q. Bao (2015), “Carbon Emissions Trading Scheme Exploration in China: A Multi-Agent-Based Model”, Energy Policy, 81: 152–169.
Trigo, P., P. Marques and H. Coelho (2010), “(virtual) Agents for Running Electricity Markets”, Simulation Modelling Practice and Theory, 18: 1442-1452.
Weidlic, A. and D. Veit (2008), “A Critical Survey of Agent-Based Wholesale Electricity Market Models”, Energy Economics, 30:1728–1759
Young, D., S. Polettib and O. Browne (2014), “Can Agent-based Models Forecast Spot Prices in Electricity Markets? Evidence from the New Zealand Electricity Market”, Energy Economics, 45: 419–434.
Zhang, Q., B. C. Mclellan, T. Tezuka and K. N. Ishihara (2013), “An Integrated Model for Long-Term Power Generation Planning Toward Future Smart Electricity Systems”, Applied Energy, 112: 1424–1437.