پیش بینی فشار گاز ورودی ایستگاه های تقلیل فشار گاز برون شهری با استفاده از یادگیری ماشین (مورد مطالعاتی: شهرستان بیرجند)
- سال انتشار: 1404
- محل انتشار: فصلنامه مهندسی و مدیریت انرژی، دوره: 14، شماره: 3
- کد COI اختصاصی: JR_ENERGY-14-3_002
- زبان مقاله: فارسی
- تعداد مشاهده: 45
نویسندگان
گروه مهندسی کامپیوتر، دانشگاه صنعتی بیرجند، بیرجند، ایران
گروه مهندسی عمران، دانشگاه صنعتی بیرجند، بیرجند، ایران
گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
امروزه گاز طبیعی بزرگ ترین منبع تامین انرژی مورد نیاز در دنیاست. کشور ایران با دارا بودن سهم بیش از هفده درصدی از ذخایر گاز، رتبه دوم جهان را داراست اما متاسفانه همزمان میزان مصرف گاز در کشور سه برابر متوسط جهانی بوده که جای نگرانی بسیار دارد. به منظور برنامه ریزی هرچه بهتر در حوزه عرضه گاز طبیعی آگاهی از میزان تقاضای گاز در بخش های مختلف و پیش بینی وضعیت تقاضا در آینده از اهمیت زیادی برخوردار است. پیش بینی مصرف گاز طبیعی نقش قابل ملاحظه ای در تعیین خط مشی انرژی و یکی از ابزارهای قوی تصمیم گیرندگان در جهت برنامه ریزی صحیح هدایت مصرف و کنترل پارامترهای عرضه و تقاضای انرژی است. مسئله کلی که در این مقاله مورد بررسی قرار می گیرد، پیش بینی فشار گاز ورودی ایستگاه های تقلیل فشار گاز برون شهری و تحلیل ارتباط آن با تغییرات آب وهواست. یکی از مشکلاتی که در استان خراسان جنوبی هرساله در فصل سرد سال چالش های زیادی را ایجاد می نماید، افت فشار در ایستگاه های تقلیل فشار گاز برون شهری (CGS) است که به علل مختلف ازجمله ناترازی بین تولید و مصرف گاز اتفاق می افتد. هرگونه برآورد و پیش بینی درخصوص میزان فشار این ایستگاه ها به عنوان تخمینی از میزان گاز مصرف شده، فرصتی ارزنده در اختیار مدیران قرار می دهد تا در جهت رفع بحران اقدامات پیش دستانه انجام دهند. در این مقاله از یادگیری ماشین به عنوان شاخه ای از هوش مصنوعی به منظور حل مسئله بهره گرفته شد. داده های اخذشده از ایستگاه های CGS از شرکت گاز استان خراسان جنوبی طی سال های ۱۳۹۹ تا ۱۴۰۲ مورد استفاده قرار گرفت. سناریوهای مختلف شامل تحلیل مسئله هم به صورت سری زمانی و هم رگرسیونی و همچنین تحلیل تغییرات دمایی برای پیش بینی معرفی گردید و بهترین سناریو انتخاب شد. همچنین از روش های مختلف پیش بینی برای حل مسئله بهره گرفته شد. یکی از مهم ترین نقاط قوت این پژوهش، استفاده از یادگیری عمیق به عنوان یکی از مهم ترین و امیدوارکننده ترین رویکردهای یادگیری ماشین است. به علاوه، برای اولین بار پیش بینی فشار گاز ایستگاه های تقلیل گاز برون شهری صورت می پذیرد. نتایج حاکی از تاثیرگذاری عامل تغییرات آب وهوا بر پیش بینی دارد.کلیدواژه ها
هوش مصنوعی, یادگیری ماشین, یادگیری عمیق, پیش بینی فشار گاز, ایستگاه تقلیل گاز برون شهریاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.