سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات152
تعداد شماره‌ها5,776
تعداد مقالات63,289
تعداد مشاهده مقاله104,957,955
تعداد دریافت فایل اصل مقاله82,031,294
کاظمی, عالیه, مهرگان, محمد رضا, شکوری گنجوی, حامد. (1394). تخصیص بهینۀ منابع انرژی در ایران با رویکرد هدفمند‌کردن یارانه‌ها. , 7(3), 563-586. doi: 10.22059/imj.2015.57264
عالیه کاظمی; محمد رضا مهرگان; حامد شکوری گنجوی. "تخصیص بهینۀ منابع انرژی در ایران با رویکرد هدفمند‌کردن یارانه‌ها". , 7, 3, 1394, 563-586. doi: 10.22059/imj.2015.57264
کاظمی, عالیه, مهرگان, محمد رضا, شکوری گنجوی, حامد. (1394). 'تخصیص بهینۀ منابع انرژی در ایران با رویکرد هدفمند‌کردن یارانه‌ها', , 7(3), pp. 563-586. doi: 10.22059/imj.2015.57264
کاظمی, عالیه, مهرگان, محمد رضا, شکوری گنجوی, حامد. تخصیص بهینۀ منابع انرژی در ایران با رویکرد هدفمند‌کردن یارانه‌ها. , 1394; 7(3): 563-586. doi: 10.22059/imj.2015.57264

تخصیص بهینۀ منابع انرژی در ایران با رویکرد هدفمند‌کردن یارانه‌ها

مدیریت صنعتی
مقاله 8، دوره 7، شماره 3، مهر 1394، صفحه 563-586  XML اصل مقاله (793.69 K)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22059/imj.2015.57264
نویسندگان
عالیه کاظمی email orcid 1؛ محمد رضا مهرگان2؛ حامد شکوری گنجوی3
1استادیار مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
2استاد مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
3دانشیار دانشگاه تهران، گروه مهندسی صنایع، تهران، ایران
چکیده
در این تحقیق با استفاده از روش­های تحقیق در عملیات به تخصیص بهینۀ نفت و گاز طبیعی به بخش‌های مختلف مصرف شامل خانگی- تجاری، حمل‌ونقل، صنایع، کشاورزی، صادرات، تزریق به مخازن نفتی و نیروگاه‌ها به‌عنوان تولید­کنندۀ انرژی ثانویه پرداخته شده است. تخصیص بهینۀ انرژی به بخش‌های مختلف مصرف طی سال­های 1391 تا 1400، با طراحی یک مدل برنامه­ریزی خطی و با در نظر ­گرفتن اجرای طرح هدفمند­ کردن یارانه‌ها، انجام گرفته است. هدف افزایش درآمد دولت بوده و در این زمینه برنامه‌های آتی دولت در نظر گرفته شده و محدودیت­هایی همچون تأمین تقاضای انرژی بخش‌های مختلف مصرف و نبود برخی از زیرساخت­ها نیز مورد توجه قرار گرفته است. نتایج این تحقیق، میزان تخصیص بهینۀ فراورده‌های نفتی و گاز طبیعی به بخش‌های مختلف طی سال‌های آتی را مشخص می‌کند و راهکارهای مناسبی را در اختیار برنامه­ریزان و تصمیم­گیران، به‌منظور برنامه‌ریزی مناسب قرار می‌دهد.
کلیدواژه‌ها
تخصیص؛ منابع انرژی؛ هدفمند‌کردن یارانه‌ها
عنوان مقاله [English]
Energy resources optimal allocation in Iran regarding subsidies lifting
نویسندگان [English]
Aliyeh Kazemi1؛ Mohammad Reza Mehregan2؛ Hamed Shakouri Ganjavi3
1Assistant Prof. in Industrial Management, University of Tehran, Tehran, Iran
2Prof. in Industrial Management, University of Tehran, Tehran, Iran
3Associate Prof. in Industrial Engineering, University of Tehran, Tehran, Iran
چکیده [English]
This research presents a mathematical model for oil and gas optimal allocation to different sectors in Iran using operations research techniques. Sectors are residential and commercial, transportation, industries, agriculture, exports, injection to oil reservoirs and power plans as a secondary energy producer. Optimal allocation of energy resources to end-uses from 2011 to 2021 has been done using a linear programming model regarding lifting of subsidies. The results provide scientific basic for the optimal allocation of energy resources in Iran.
This research presents a mathematical model for oil and gas optimal allocation to different sectors in Iran using operations research techniques. Sectors are residential and commercial, transportation, industries, agriculture, exports, injection to oil reservoirs and power plans as a secondary energy producer. Optimal allocation of energy resources to end-uses from 2011 to 2021 has been done using a linear programming model regarding lifting of subsidies. The results provide scientific basic for the optimal allocation of energy resources in Iran.
کلیدواژه‌ها [English]
energy resources allocation, Linear programming, subsidies lifting
مراجع
  1. Agrawal, R.K,, Singh, S.P. (2001), Energy allocation for cooking in UP household ,India, A fuzzy multi-objective analysis, Energy Conversion and Management, 42, 2139-2154.
  2. Asadi, F., (2007), The importance and necessities of optimization and decrease in the intensity of energy consumption. Journal of Parliament and Research, 54, 253-278, (in Persian).
  3. Borges, A.R., Antunes, C.H. (2003), A fuzzy multiple objective decision support model for energy-economy planning, European Journal of Operational Research, 145, 304-316.
  4. Deshmukh, S.S., Deshmukh, M.K. (2009), A new approach to micro-level energy planning-A case of northern parts of Rajasthan, India. Renewable and Sustainable Energy Reviews, 13, 634–642.
  5. Hiremath, R.B., Kumar, B., Balachandra, P., Ravindranath, N.H. (2010), Bottom-up approach for decentralised energy planning: Case study of Tumkur district in India, Energy Policy, 38, 862–874.
  6. Iran Statistical Yearbook. Statistical Center of Iran. Available at: http://amar.sci.org.ir/
  7. http://pep,moe.org.ir/
  8. http://riemp.ut.ac.ir/modeling-tim,mesa,mesage.htm
    1. http://www.eia.doe.gov/
    2. Jafari S., A., Dehghani, T., (2007), An Application of A Dynamic Optimization Model for the Natural Gas for Optimization of Iran Revenues from Natural Gas Reserves. Iranian Journal of Economic Research, 30, 165-192, (in Persian).
    3. Jinturkar, A.M., Deshmukh, S.S. (2011), A fuzzy mixed integer goal programming approach for cooking and heating energy planning in rural India. Expert Systems with Applications, 38, 11377–11381.
    4. KAMBO, N.S, HANDA, B.R., BOSE, R.K. (1990/91), A Linear Goal Programming Model for Urban Energy-Economy-Environment Interaction, Energy and Buildings, 537-551.
    5. Kazemi, A., Shakouri G, H, Menhaj, MB., Mehregan, MR., Neshat, N. (2010), A Hierarchical Fuzzy Linear Regression Model for Forecasting Agriculture Energy Demand: A Case Study of Iran, International Conference on Management Technology and Applications (ICMTA), Singapore.
    6. Kazemi, A., Shakouri G, H., Menhaj, MB., Mehregan, MR., Neshat, N. (2010), A Multi-level Artificial Neural Network for Residential and Commercial Energy Demand Forecast: Iran Case Study, International Conference on Management Technology and Applications (ICMTA), Singapore.
    7. Kazemi, A., Shakouri G, H.,  Menhaj, MB., Mehregan, MR., Taghizadeh, MR., Foroughi A, A. (2009), A Multi-level Artificial Neural Network for Gasoline Demand Forecasting of Iran, The 2nd International Conference on Computer and Electrical Engineering (ICCEE), Dubai.
    8. Mezher, T., Chedid, R., Zahabi, W. (1998), Energy resource allocation using multi-objective goal programming: the case of Lebanon, Applied Energy, 61, 175-192.
    9. Mohaghar, A., Mehregan, MR., Abolhasani, GhR. (2010), Use of decision making techniques to prioritize consumption and optimize allocation of natural gas using the fuzzy approach, Journal of Energy Economics Review, 24, 91-119, (in Persian).
    10. Renani, M., Sharifi, AM., Khosh Akhlagh, R., (2009), Determining the Priorities of Iran's Natural Gas Reserves Applications. The Economic Reseach, 3, 151-182, (in Persian).
    11. Sadeghi, M., Hossein Mirshojaeian, H. (2006), Energy supply planning in Iran by using fuzzy linear programming approach (regarding uncertainties of investment costs), Energy Policy, 34, 993–1003.
    12. Safarian, A., Ardehali, M.M., (2009), Developing a Reference Energy System for Energy Sector and a Model for Planning Electric Energy Sub-Sector in Iran, Quarterly Energy Economics Review, 19, 163-202, (in Persian).
    13. Shafiei, SE., Fakehi, AH., Shahmohammadi, F., (2006), Evaluation of optimal combination of energy carriers residential sector of Tehran using an energy supply model. The 5th Conference on Energy Conservation in Building, Tehran, Iran, (in Persian).
    14. Shahhosseini, A., (2009), Designing of energy policy making model in Iran’s vision horizon regard to system dynamics approach, case: Iran’s gas area, PhD dissertation, University of Tehran, Faculty of Management, (in Persian).
    15. Statistical Data Bank. Institute for International Energy Studies. Available at: http://new.iies.org/
    16. Taghizadeh, MR., Shakouri G, H., Menhaj, MB., Mehregan, MR., Kazemi, A. (2009), Design of a Multi-level Fuzzy Linear Regression Model for Forecasting Transport Energy Demand: A Case Study of Iran, 39th International Conference on Computers & Industrial Engineering (CIE39), France.
    17. Transportation. Iranian Fuel Conservation Company. Available at: http://www.ifco.ir.
آمار
تعداد مشاهده مقاله: 1,611
تعداد دریافت فایل اصل مقاله: 3,287


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب