28135

پيشبيني تغيير ميزان حامل هاي انرژي در بخش حمل و نقل باتوجه به توسعه سهم وسايل نقليه ي الكتريكي

كارشناسي ارشد

مهندسي سيستم‌هاي انرژي- انرژي و محيط ‌زيست

1398

1401/9/30

ميثم فرج الهي

فناوري‌هاي نوين

بخش حمل و نقل با در اختيار داشتن 29 درصد از مصرف نهايي انرژي جهان دومين بخش پر مصرف بعد از بخش صنعت است. در ايران اين بخش يك چهارم مصرف نهايي انرژي را به خود اختصاص داده است. كمترين تنوع در تقاضاي انرژي را بخش حمل و نقل داشته و بيش از 85 درصد از انرژي حمل و نقل در ايران از فرآورده هاي نفتي تامين مي شود. رشد پر شتاب مصرف انرژي و تكيه اين بخش بر سوخت هاي فسيلي كه عامل اصلي آلايندگي هستند، دغدغه اصلي سياست‌گذاران است، چرا كه هم تأثير ردپاي كربن بر سلامت انسان و هم تأثير مصرف انرژي بر توسعه اقتصادي ملي به عنوان مانعي براي دولت‌ها، در دنياي امروز آشكارتر شده است. در اين پايان نامه از روش هاي مختلف يادگيري ماشين مانند رگرسيون خطي، رگرسيون خطي-لگاريتميك، رگرسيون لاسو، رگرسيون ستيغي و پرسپترون چندلايه براي مدلسازي سوخت هاي مختلف سبد انرژي بخش حمل و نقل جاده اي استفاده شده است. در بين اين روش ها، روش پرسپترون چند لايه با ارائه امتياز R2 برابر با 0.996 بهترين عملكرد را داشته و براي پيشبيني مصرف انرژي بخش حمل و نقل جاده اي تا سال 1410 در سه حالت الف) ادامه روند فعلي بدون ورود خودروهاي برقي ب) ورود خودروهاي برقي با رويكرد1(با فرضيات سند تامين انرژي بخش حمل و نقل زميني تا افق 1420) و ج) ورود خودروهاي برقي با رويكرد 2(با فرض توقف فروش خودروهاي بنزيني تا سال 1420) مورد استفاده قرار گرفته است. پيشبيني حاصل از حالت الف) نشان مي دهد كه تا سال 1410، بنزين سهم 54.84 درصدي در سبد سوخت بخش حمل و نقل جاده اي خواهد داشت. با اعمال تاثير ورود خودروهاي الكتريكي با دو رويكرد اشاره شده با روش مدلسازي پايين به بالا اين مقادير براي حالت هاي ب) و ج) به ترتيب مقادير 54.62 و 52.18 خواهد داشت.

1402/02/03

Predicting the change in the amount of energy carriers in the transport sector with regard to the development of the share of electric vehicles

12/21/2023 12:00:00 AM

With 29% of the world's final energy consumption, the transportation sector is the second most consuming sector after the industry sector. In Iran, this sector accounts for a quarter of the final energy consumption. The transportation sector has the least variation in energy demand and more than 85% of transportation energy in Iran is supplied from petroleum products. The rapid growth of energy consumption and the dependence of this sector on fossil fuels, which are the main cause of pollution, is the main concern of policymakers. Because both the effect of carbon footprint on human health and the effect of energy consumption on national economic development as an obstacle for governments have become more obvious in today's world. In this thesis, different machine learning methods such as linear regression, linear-logarithmic regression, lasso regression, ridge regression and multi-layer perceptron are used to model the different fuels of the road transportation energy portfolio. Among these models, the multi-layer perceptron model has performed best by providing an R2 score equal to 0.996 and has been used to predict the energy consumption of the road transportation sector until the year 1410 in three different states. a) Continuation of the current process without the entry of electric vehicles b) Entry of electric vehicles with approach 1 (assuming the energy supply document of the land transportation sector until the horizon of 1420) and c) Entry of electric vehicles with approach 2 (assuming the cessation of sales of gasoline vehicles until 1420) The prediction from state A) shows that by 1410, petrol will have a 54.84% share in the fuel portfolio of the road transportation sector. By applying the impact of electric vehicles with the two mentioned approaches with the bottom-up modeling method, these values will be 54.62 and 52.18 for states b) and c) respectively.

مدلسازي انرژي , بخش حمل و نقل , تقاضاي انرژي , يادگيري ماشين , شبكه عصبي مصنوعي

energy modeling , Transportation sector , energy demand , Machine Learning , artificial neural network

Amir Hossein Akbari

Meisam Farajollahi