بررسی عوامل موثر بر تقاضای برق بخش خدمات با استفاده از الگوریتم کرم شب تاب و الگوریتم فاخته

یکی از نهاده‌های مهمی که نادیده گرفتن آن در تابع تولید هر بخش می‌تواند یک تورش جدی در برآورد تولید آن بخش ایجاد کند، نهاده انرژی است. امروزه با توجه به پیشرفت تکنولوژی در بخش خدمات و تنوع تولید در این بخش، انرژی‌های با کیفیت بالا مانند الکتریسیته، جایگزین سوخت‌های با کیفیت پایین شده‌اند. تحلیل تقاضای انرژی در بخش خدمات، یکی از موضوعات مهم درکشورهای در حال توسعه است. بنابراین، به کارگیری روش‌های تحلیلی برای شناخت و درک بیشتر از تقاضای انرژی اهمیت می‌یابد. در این مقاله ابتدا تابع تقاضای برق بخش خدمات با دو الگوریتم کرم شب تاب و الگوریتم فاخته طی دوره 1392-1367برآورد شده و در ادامه براساس معیارهای ارزیابی عملکرد، مدل برآورد شده با الگوریتم کرم شب تاب برای بررسی عوامل موثر بر تقاضای برق در این بخش انتخاب شده است. نتایج نشان می‌دهند که متغییر تعداد مشترکین با میزان تقاضا رابطۀ مستقیم دارد، کشش متقاطع قیمتی 4/0 برآورد شده حاکی از جایگزینی نسبتا پایین برق با گاز می‌باشد همچنین رابطه مستقیم بین ارزش افزوده بخش خدمات و مصرف برق بیانگر ضروری بودن نهاده انرژی برق در بخش خدمات است. با توجه به پایین بودن کشش قیمتی برآورد شده(0.21)، نمی‌توان انتظار داشت که با افزایش قیمت برق، میزان مصرف برق در این بخش به سرعت کاهش یابد. متغیر تعداد مشترکین برق با مصرف برق رابطه مستقیم دارد.

Investigating the factors influencing the demand for electricity in service providing sector using Firefly and Cuckoo algorithms

One of the most important components the negligence of which may cause serious bias in the estimates of production in any sector is power input. Nowadays, due the development of technology in service providing sectors and production variety, lowquality fuels have been replaced with quality energies such as electricity. The analysis of energy demand in service sector is one of the most important issues in the developing countries. Therefore the application of analytic methods for the recognition and understanding energy demand becomes important. In this article, first we will estimate the electricity demand function between 1989 and 2014 using firefly and cuckoo algorithms. Then according to performance evaluation criteria, the estimated model is used with firefly algorithm to study the factors influencing the demand for electricity in this sector. The results show that the number of users is in direct correlation with demand for electricity. Crossprice elasticity is estimated as 0.4 which indicates the slow replacement of gas with electricity. The direct relationship between the added value of service sector and electricity consumption also reveals the necessity of electricity input in service sectors. Due to the low estimated price elasticity, we can’t expect that the increase in electricity price leads to the rapid decrease of electricity consumption in this sector. The number of users as a variable has direct correlation with electricity consumption.