fa
jalali
1394
9
1
gregorian
2015
12
1
6
22
online
1
fulltext
fa
اثر بی ثباتی اقتصاد کلان بر عبور نرخ ارز: شواهدی از رگرسیون انتقال ملایم (STR)
The Impact of Macroeconomic Instability on Exchange Rate Pass Through: Some Evidence from Smooth Transition Regression (STR) Model
با توجه به اهمیت رابطه میان بی ثباتی اقتصاد کلان و عبور نرخ ارز، مطالعه حاضر با استفاده از الگوی EGARCH و الگوی رگرسیون انتقال ملایم (STR)، اثرگذاری غیرخطی بی ثباتی اقتصاد کلان بر عبور نرخ ارز ایران را طی دوره زمانی 1389-1342 بررسی کرده است. برای این منظور، ابتدا شاخص بی ثباتی اقتصاد کلان با استفاده از الگوی EGARCH برآورد شده و سپس، با بهرهگیری از الگوی رگرسیون انتقال ملایم (STR) فرضیه تحقیق مبنی بر اثر مثبت و غیر خطی بی ثباتی اقتصاد کلان بر عبور نرخ ارز، آزمون شده است. بر اساس نتایج بدست آمده در این تحقیق، بی ثباتی اقتصاد کلان به صورت غیرخطی و در قالب یک الگوی دو رژیمی بر عبور نرخ ارز اثر مثبت دارد. بر این اساس، توجه به توالی سیاستهای اقتصادی حائز اهمیت بوده و مشخصاً توصیه می شود، سیاستهای کاهش بی ثباتی اقتصاد کلان مقدم بر سیاستهای ارزی باشد.
Regarding to the importance of the relationship between macroeconomic instability and exchange rate pass-through, present study by using EGARCH and smooth transition regression (STR) model has examined the nonlinear effect of macroeconomic instability on the exchange rate pass-through of Iran during the period 1963-2010. For this, firstly the macroeconomic instability index has been estimated using EGARCH and then, by using STR, the research hypothesis which is that the macroeconomic instability has a nonlinear and positive effect on the exchange rate pass-through has been examined. Based on the obtained results in this research, macroeconomic instability has the macroeconomic instability has a positive effect on the exchange rate pass through in both regimes, although an increasing in volatility increases rate pass-through. So, the sequence of economic policies is important and specifically, we suggest that macroeconomic instability reduction policies should be prior to exchange rate policies.
Macroeconomic Instability, Exchange Rate Instability, Exchange Rate Pass Through, STR Model, Iran
بی ثباتی اقتصاد کلان, بی ثباتی نرخ ارز, عبور نرخ ارز, الگوی STR, ایران
7
31
http://jemr.khu.ac.ir/browse.php?a_code=A-10-470-3&slc_lang=fa&sid=1
2013/09/15
1392/6/24
2015/08/30
1394/6/8
Saeed
Rasekhi
University of Mazandaran
سعید
راسخی
srasekhi@umz.ac.ir
0031947532846007564
0031947532846007564
Yes
دانشگاه مازندران
Mojtaba
Montazeri
University of Mazandaran
مجتبی
منتظری شورکچالی
srasekhi@umz.ac.ir
0031947532846007565
0031947532846007565
No
دانشگاه مازندران
fa
استخراج چسبندگی قیمتی در اقتصاد ایران در قالب مدل تعادل عمومی پویای تصادفی
Surveying Degree of Price Rigidity in Iranian Economy (Dynamic Stochastic General Equilibrium Model)
پارامترهای ساختاری نظیر ترجیحات زمانی مصرفکننده، نرخ استهلاک، کشش عرضه عوامل تولید، کشش بهرهای تقاضای پول، چسبندگی قیمتی و... در بسیاری از مطالعات اقتصادی بخصوص مطالعات تعادل عمومی از اهیمت بالایی برخوردار هستند. یکی از این پارامترها میزان چسبندگی قیمتها است که علیرغم اهمیت آن, پیش از این در اقتصاد ایران کمتر به آن پرداخته شده است. در مدلهای کینزی جدید که نسبت به برخی مدلهای رقیب انطباق بیشتری با اقتصادهایی نظیر اقتصاد ایران دارند, عموماً فرض چسبندگی قیمتی در نظر گرفته میشود و این مسئله ضرورت محاسبه درجه چسبندگی را ایجاب میکند. این مطالعه با طراحی یک مدل تعادل عمومی پویای تصادفی (DSGE) برای اقتصاد ایران و برآورد آن به روش بیزی به تخمین پارامتر درجه چسبندگی قیمتی در اقتصاد ایران پرداخته است. نتایج حاصل از برآورد مدل با دادهها فصلی 1377-1387 متغیرهای مصرف حقیقی، تولید ناخالص داخلی، تورم و مالیاتها به عنوان متغیرهای قابل مشاهده، نشان دهنده نرخ چسبندگی 46/. برای اقتصاد ایران است. به این معنا که 46 درصد بنگاهها در اقتصاد ایران در هر دوره توان تعیین قیمت محصول در حد بهینه را ندارند.
Structural parameters are necessary and important in some economic studies, especially in general equilibrium models. One of these structural parameters is degree of price rigidity. In this article we try estimate degree of price rigidity in Iran economy in a General Equilibrium Dynamic Stochastic Model with Bayesian method. Our result with using seasonal data of real consumption, GDP, inflation and taxes for 1377-1387 reach us to number 46 percent for price rigidity which show 46 percent of Iran's firms could not optimize their price in each period.
Price Rigidity, Dynamic Stochastic Model, Beysian Method
چسبندگی قمیت, مدل تعادل عمومی پویای تصادفی, رویکرد بیزی
33
59
http://jemr.khu.ac.ir/browse.php?a_code=A-10-605-1&slc_lang=fa&sid=1
2013/09/152012/10/21
1391/7/30
2015/08/302015/05/9
1394/2/19
shole
bagheri pormehr
شعله
باقری پرمهر
sholehbp@gmail.com
0031947532846007566
0031947532846007566
Yes
دانشگاه خاتم
teymour
mohamadi
تیمور
محمدی
mohammadi@yahoo.com
0031947532846007567
0031947532846007567
No
دانشگاه علامه طباطبایی
fa
پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
Forecasting of Stock Price Using Fuzzy Neural Network Based on GA and Compaision with Fuzzy Neural Network
در بازارهای سرمایه عاملهای مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم ترین مسائلی است که هر سهام دار یا سرمایه گذار در بازار بورس بایستی به آن توجه ویژه داشته باشد. تاکنون روشهای مختلفی جهت نیل به این اهداف معرفی شده اند که اغلب روشهای آماری، هوشمند و ترکیبی هستند. الگوریتم پیشنهادی یک روش ترکیبی است که شامل دو بخش است بخش اول پیش پردازش و بخش دوم پیش بینی کننده است. در پیش پردازش سه فرآیند جاگذاری دادههای غیر موجود، نرمالیزه کردن و انتخاب ویژگی به ترتیب انجام می شود. از آنجایی که تعداد ویژگیهای بکار برده شده زیاد است از روش الگوریتم ژنتیک برای انتخاب ویژگی و کاهش ابعاد فضای ویژگی استفاده شده است. در بخش پیش بینی کننده، با توجه به قابلیت پیش بینی هوشمند شبکه عصبی - فازی، از این شبکه با دو ساختار ممدانی و سوگنو بعنوان پیش بینی کننده قیمت سهام بهره میبریم که قابلیت استخراج قواعد فازی بصورت خودکار دارد. آموزش پارامترهای مقدمه و نتیجه شبکه برپایه الگوریتم پس انتشار خطا (گرادیان نزولی) میباشد.
الگوریتم پیشنهادی با استفاده از داده های 10 شرکت که هر کدام از آنها دارای 7 ویژگی میباشند، ارزیابی شده است. نتایج شبیه سازی نشان می دهد که با توجه به نوع شرکتها، ویژگیهای انتخابی و نوع ساختار شبکه عصبی فازی ترکیبی نتایج متفاوتی بدست می آید. با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شبکه عصبی فازی ترکیبی را به شبکه عصبی فازی ساده نشان می دهد، اما بطور کلی پیش بینیکننده با ساختار سوگنو با الگوریتم ژنتیک دارای عملکرد بهتری نسبت به ساختار ممدانی دارد، چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است.
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with minimum risk. In order to reduce cost and raise the profit of investment, determining effective factors and suitable time for sailing and purchase is one of the important problems that every shareholder or investor in stock market should consider. To reach this goal, a variety of approaches have been introduced, which are often intelligent, statistical, and hybrid. These approaches are mostly used to predict the stock price time series. Our proposed algorithm is hybrid and involves two stages: preprocessing and predictor. The preprocessing stage involves three steps: missing value, normalization and feature selection. Since there are many features in used datasets, genetic algorithm (GA) is used as the feature selection algorithm. In order to intelligent capability of Fuzzy Neural Network (FNN), this network with two structures (Mamdani and Sugeno) is used as a stock price prediction in second stage. This network is capable of extracting fuzzy rules automatically. Back propagation algorithm (gradient decent) is used for adapting all the parameters.
Our algorithm is evaluated on ten datasets with seven features obtained from ten different companies. By comparing the simulation results of the simple and hybrid FNN network, we found that the lack of suitable feature selection algorithm will lead to high computational cost, and in many instances the hybrid algorithm outperforms the simple FNN. This results demonstrate the superiority of the hybrid FNN to the simple one. In general, since the number of Sugeno tuning parameters are more than Mamdani, its performance is better than mamdani. Moreover, our algorithm is comparable to the maximum precision rates of other approaches.
Fuzzy Neural Network, Genetic Algorithm, Feature Selection, Stock Price Forecasting
شبکه عصبی فازی, الگوریتم ژنتیک, انتخاب ویژگی, پیشبینی قیمت سهام
61
91
http://jemr.khu.ac.ir/browse.php?a_code=A-10-550-3&slc_lang=fa&sid=1
2013/09/152012/10/212014/02/6
1392/11/17
2015/08/302015/05/92016/01/20
1394/10/30
Malihe
Ramazani
Kharazmi University
ملیحه
رمضانی
ramezani.maliheh@gmail.com
0031947532846007568
0031947532846007568
No
دانشگاه خوارزمی
Ahmad
Ameli
Kharazmi University
احمد
عاملی
ameli2000@gmail.com
0031947532846007569
0031947532846007569
Yes
دانشگاه خوارزمی
fa
تاثیر شوکهای سیاست پولی و مالی بر بازار سهام ایران
The Effects of Monetary and Fiscal Policy Shocks on Stock Market of Iran
نقش بازار سهام برای رونق بخشیدن به اقتصاد کشورهایی همچون ایران که از یک سو با حجم عظیم سرمایه های سرگردان و از سوی دیگر با کمبود منابع سرمایه گذاری مواجه اند، قابل توجه است. لذا شناخت عوامل تاثیر گذار بر رفتار بازار سهام می تواند گام موثری در جهت دهی سرمایه در اقتصاد ایران محسوب شود. لذا اهمیت آن در اقتصاد کشور روزبه روز بیشتر شده و از این رو مورد توجه مقامات اقتصادی قرار گرفته است. بنابراین تبیین ارتباط بین سیاست های پولی و مالی که در توضیح تحولات بازار سهام از اهمیت خاصی برخوردار است، برای سیاست گذاری های بهتر ضروری خواهد بود.
هدف اصلی پژوهش حاضر، بررسی تاثیر شوکهای سیاست پولی و مالی بر بازار سهام ایران است. برای تخمین مدل از الگوی خود رگرسیون ساختاری و دادههای فصلی 1389:4-1370:1 استفاده شده است. نتایج حاصل از تخمین مدل بیانگر این است که در کوتاه مدت شوک مخارج دولت تاثیر مثبت و در بلند مدت، اثر منفی بر رشد شاخص قیمت سهام دارد. اثر شوک عرضه پول بر رشد شاخص قیمت سهام در کوتاه مدت و بلندمدت مثبت است. البته در کوتاه مدت این تاثیر گذاری بیشتر از بلند مدت است، به عبارتی اثر گذاری سیاست پولی بر شاخص قیمت سهام سریعتر از اثر گذاری سیاست مالی است. همان طور که نتایج تجزیه واریانس خطای پیش بینی نشان میدهد، در بلند مدت بیشترین نوسانات شاخص قیمت سهام توسط شوک سیاست مالی توضیح داده میشود. با توجه به این امر، تلاش برای ایجاد انظباط مالی در دولت و پرهیز از اعمال سیاست های مالی غیر منتظره و پیش بینی نشده از اهمیت زیادی در بازار سهام ایران برخوردار است.
In recent decades the development of capital markets in developing countries, economic growth is desirable to have. Developed countries owe much of its development direction of financial markets, especially the stock market knows. The stock market is precisely the collection of savings and private capital to finance investment projects and on the other hand, an official and is confident that the owners of dormant savings can be relatively affordable and safe place to seek investment and their funds to invest in companies operate. The role of the stock market to boost the economy of countries like Iran and wandered from one side to the large amounts of capita and on the other hand, face a shortage of investment, is striking. Therefore, understanding the factors influencing the behavior of the stock market can be considered useful for the capital's economy. In this context, this study examines the impact of fiscal and monetary policy shocks on stock market Iran. Regression model to estimate the structural model and the data for seasonal 1991: 1-2010: 4 was used. The results of the model indicate that the short-term shock to the money supply (monetary policy instrument) and long-term government spending shocks (monetary policy instrument) Fluctuations of stock price indices explain. In other words, the impact of monetary policy on stock prices faster than the impact of fiscal policy. Because government spending through the stock market affects ,First government spending on aggregate demand and thus income consumers and the general level of prices affects subsequent stock price changes, but by changing the money supply, the faster people can spend their surplus cash available to purchase the stock of assets that form part of it. The lag effect of monetary policy is much shorter than the lag effect of monetary policy
Monetary Policy, Fiscal Policy, Stock Market, Structural VAR
الگوی خودتوضیحی برداری ساختاری, بازار سهام, شوک سیاست پولی, شوک سیاست مالی
93
131
http://jemr.khu.ac.ir/browse.php?a_code=A-10-1549-1&slc_lang=fa&sid=1
2013/09/152012/10/212014/02/62014/08/16
1393/5/25
2015/08/302015/05/92016/01/202014/11/26
1393/9/5
محمد رضا
سلمانی بی شک
mrsalmani_2005@yahoo.com
0031947532846007570
0031947532846007570
Yes
دانشگاه تبریز
محمد مهدی
برقی اسگویی
mahdi_oskooee@yahoo.com
0031947532846007571
0031947532846007571
No
دانشگاه تبریز
سودا
لک
lak.sevda@ymail.com
0031947532846007572
0031947532846007572
No
دانشگاه تبریز
fa
مدلسازی توزیع بار همزمان اقتصادی و زیست محیطی با استفاده از الگوریتم بهینهسازی محدودیت-ε (مورد مطالعاتی: بازار برق منطقهای اصفهان)
Modeling Combined Economic and Environmental Load Dispatch Using ε Constraint Optimization Algorithm (Case Study: Local Electricity of Isfahan)
در سالهای اخیر افزایش نگرانیها در زمینه محیط زیست باعث توجه بیش از پیش به این بخش گردیده است. بر این اساس مدلهای توزیع اقتصادی بار که پیش از آن صرفاً حداقلسازی هزینه تولید و تعیین آرایش بهینه تولیدکنندگان بر اساس حداقل شدن هزینه کل را مد نظر قرار میدادند، امروز با تغییر بنیادی در نحوه اجرا و مدلسازی مواجه شدهاند. بر این اساس در این مدلها آرایش بهینه تولیدکنندگان بر اساس دو هدف حداقل هزینه تولید و حداقل آلودگی محیط زیست تعیین خواهد شد و بدیهی است در این شرایط مسئله پیش رو از یک مسئله تک هدفه به یک مسئله چند هدفه تغییر میکند. تحقیق حاضر نیز مسئله توزیع بهینه اقتصادی و زیست محیطی را مد نظر قرار میدهد؛ و هدف آن تعیین آرایش بهینه تولیدکنندگان در حالتی است که هر دو هدف اقتصادی و زیست محیطی تحقق یافته است. روش اجرای مدل با استفاده از الگوریتم بهینهسازی اپسیلون محدودیت بوده و مدلسازی انجام شده در این مطالعه نیز بر اساس دادههای واقعی بازار برق منطقهای اصفهان در سال 1391 اجرا شده است. نتایج تحقیق حاکی از آن است که عملکرد واقعی بازار با بهینه اقتصادی و زیست محیطی متفاوت است و به دلیل عدم توجه به هزینههای زیست محیطی، عملا انحراف عملکرد واقعی نسبت به وضعیت بهینه در بخش زیست محیطی بسیار جدیتر و بیشتر است. بعلاوه اینکه روش مورد استفاده امکان استخراج منحنی مبادله اقتصادی-زیست محیطی را نیز بوجود میآورد. بعلاوه با استفاده از مجموعه جواب حاصل، امکان ترسیم منحنی بی تفاوتی بوجود میآید. ترسیم منحنی بیتفاوتی و دستیابی به یک مجموعه جواب بهینه اطلاعات مفیدی در اختیار تصمیم گیران و مدیران قرار میدهد.
In recent years, the sudden increase in environmental awareness has resulted in more attention to this sector. On this basis, the economic load distribution models, that previously observed merely the minimization of the cost of production and determination of optimal arrangement of producers based on minimization of the total cost, are now facing a fundamental change in execution and modeling. Based on this, the optimal arrangement of producers will now be determined based on two objectives of a minimum cost of production and a minimum environmental pollution. Obviously, with the situation in mind, the problem changes from a single- objective one to a multi-objective problem. The present study takes into account the question of optimal economic and environmental distribution, and its goal is to determine the optimal arrangement of producers in a situation where both the economic and environmental objectives are achieved. The model has been implemented by E-Constraint algorithm. The modeling in this study has been performed for the practical development in Esfahan Electricity Inc. market, in 2012. The results from this model show that the real performance of the market is different from the economic and environmental optimums. The results show the fact that because of the disregard for the environmental costs, the real deviation of performance from the optimum condition is practically much more serious and extensive in the environmental sector.
Load Dispatch, Economic Load Dispatch, Economic and Environmental Load Dispatch, Multi-Objective Optimization, ε-Constraint Algorithm
توزیع بار, توزیع اقتصادی بار, توزیع اقتصادی-زیست محیطی بار, بهینه سازی چند هدفه, الگوریتم بهینهسازی محدودیت-ε
133
159
http://jemr.khu.ac.ir/browse.php?a_code=A-10-1272-2&slc_lang=fa&sid=1
2013/09/152012/10/212014/02/62014/08/162014/12/28
1393/10/7
2015/08/302015/05/92016/01/202014/11/262015/03/3
1393/12/12
Ali
Nazemi
Kharazmi University
علی
ناظمی
Nazemi@ues.ac.ir
0031947532846007573
0031947532846007573
No
دانشگاه خوارزمی
shadi
khalil Moghaddam
Kharazmi University
شادی
خلیل مقدم
shadi_moghaddam@yahoo.com
0031947532846007574
0031947532846007574
Yes
دانشگاه خوارزمی
Majid
Feshari
Kharazmi University
مجید
فشاری
Feshari@ues.ac.ir
0031947532846007575
0031947532846007575
No
دانشگاه خوارزمی
fa
بررسی رابطه بین تودهواری سرمایهگذاران و نوسانپذیری: شواهدی از بورس اوراق بهادار تهران
The Relationship between Investors Herding and Volatility: Evidence from Tehran Stock Exchange
در این پژوهش تودهواری در بازار بورس اوراق بهادار تهران در وضعیتهای (رژیمهای) مختلف قیمت و بازده بررسی میشود. به منظور سنجش تودهواری در بازار بورس اوراق بهادار تهران از دو مدل چانگ و همکاران (2000) و بالسیلار(2013) استفاده شده است. در این پژوهش تودهواری در 4 صنعت سیمان، شیمیایی، دارویی، سرمایهگذاری در دوره زمانی1392-1388 با استفاده از رگرسیون غیرخطی مورد بررسی قرار میگیرد. نتایج برآورد حاکی از آن است که با استفاده از مدل ایستا در هیچ کدام از بخشها تودهواری مشاهده نشد، اما نتایج بدست آمده با استفاده از مدل پویا نشان داد که در تمامی بخشها تودهواری در رژیم با نوسان پذیری زیاد وجود دارد و همچنین در دو صنعت سیمان و سرمایهگذاری شواهدی از توده واری در رژیم هایی با نوسانپذیری شدید وجود دارد. اما در هیچ کدام از بخشها شواهدی از تودهواری در رژیم با نوسانپذیری اندک در بورس اوراق بهادار تهران یافت نشد که نشان دهنده این است که تودهواری بیشتر در رژیمهایی با نوسان پذیری بالا یافت میشود.
This study examines the effect of Herding in different states (low, high and extreme volatility) in Tehran Stock Exchange during the years 2009-2013 using Chang et al (2000) and Balcilar et al (2013) models. In this survey herding are tested under 3 market regimes in selected industries: Cement, Chemical, Pharmaceutical and Investment.
The results don't show evidence of herding in 4 industries using static model (Chang et al, 2000). So dynamic model (Balcilar et al, 2013) was used to analyze Herding under 3 regimes in which our results support the presence of herding under 2 market regimes (high and extreme) . The results also demonstrate evidence of herding behavior under the high volatility regime for all of the selected industries. Herding under the extreme volatility regime is only found in investment and cement industries.
Herding Behavior, Volatility, Markov Regime Switching Model, Tehran Stock Exchange
رفتار تودهواری, نوسانپذیری, مدل تغییر رژیم مارکوف, بورس اوراق بهادار
161
187
http://jemr.khu.ac.ir/browse.php?a_code=A-10-1029-4&slc_lang=fa&sid=1
2013/09/152012/10/212014/02/62014/08/162014/12/282014/09/25
1393/7/3
2015/08/302015/05/92016/01/202014/11/262015/03/32015/11/21
1394/8/30
Shahabeddin
Shams
Mazandaran Universityy
شهاب الدین
شمس
shams@umz.ac.ir
0031947532846007576
0031947532846007576
Yes
دانشگاه مازندران
Ali
Golbabaei
Mazandaran University
علی
گل بابابی
aligolbabaei68@yahoo.com
0031947532846007577
0031947532846007577
No
دانشگاه مازندران
fa
قیمتگذاری لحظهای- ساعتی تولید هیبرید برق با ورود حداکثر پتانسیل برق تجدیدپذیر به سیستم تولید با استفاده از رهیافت برنامهریزی آنالیزی (مطالعه موردی: شرکت برق منطقهای خراسان)
Spot-Hourly Pricing of Hybrid Power Production with Penetration of Maximum Renewable Electricity Potential into Power Generation System by Analytical Programming Approach (Case Study: Khorasan Regional Electricity Company)
یکی از چالشهای بزرگ منابع تجدیدپذیر، ماهیت غیرقابلپیشبینی این منابع است. در این میان استفاده از سیستم هیبرید فسیلی-تجدیدپذیر یکپارچه، که برای تأمین بار از چند منبع تجدیدپذیر بهجای یک منبع استفاده میکند، مقرون بهصرفهترین و قابلاطمینانترین روش است. در این پژوهش با بهرهگیری از رهیافت برنامهریزی آنالیزی و با استفاده آمار سال پایه 1391، سیستم تولید شرکت برق منطقهای خراسان شبیهسازی شده و حداکثر پتانسیل برق تجدیدپذیر نیز در این سیستم مورد استفاده قرار گرفته است. نتایج پژوهش نشان میدهد که از میان تکنولوژیهای خورشیدی، بادی، زیستتوده، زمین گرمایی و برق-آبی، تنها برق تجدیدپذیر خورشیدی، از پتانسیل و ظرفیت کافی برای جانشینپذیری با برق فسیلی برخوردار است. در سیستم جامع نیز بکارگیری تمام توان تجدیدپذیر، به کاهش 83/6 تراوات ساعتی برق فسیلی، کاهش 28/4 میلیون تنی انتشار آلاینده، افزایش 10 برابری متوسط قیمت لحظهای-ساعتی و کاهش 21 درصدی پایداری شبکه منجر میشود که نشان از لزوم بکارگیری تجهیزات پایدارساز و ذخیرهساز در سیستم تولید هیبرید یکپارچه و حمایت فنی-مالی دولت برای کاهش قیمتتمام شده تجهیزات خورشیدی دارد.
One of the greatest challenges of renewable resources is unpredictable nature of these resources. Nevertheless use of fossil-renewable integrated hybrid system, which uses some renewable resources rather than a single source, for the supply of power, is the most affordable and the most reliable method. In this study by use of analytical programming approach and 2012 base year statistics, production system of Khorasan Regional Electricity CO. has been simulated and the maximum renewable electricity potential, entered into power generation system. Results show that among all of solar, wind, biomass, geothermal and hydro, only solar power have enough capacity and potential to be substituted with fossil power. The comprehensive system, which uses all renewable potential power capacity, causes 6.38 TWh reduction in fossil power, 4.28 million tons emission, 10-fold increase in spot-hourly price and 21% reduction in grid stability which shows necessity of using stabilizer and storage equipment in the hybrid integrated production system and Technical and financial support from the government to reduce the cost of solar equipment.
Simulation of Power System, Hybrid Fossil-Renewable Production, Spot-Hourly Pricing
شبیهسازی سیستم برق, تولید هیبرید فسیلی-تجدیدپذیر, قیمتگذاری لحظهای-ساعتی
189
231
http://jemr.khu.ac.ir/browse.php?a_code=A-10-948-2&slc_lang=fa&sid=1
2013/09/152012/10/212014/02/62014/08/162014/12/282014/09/252014/11/6
1393/8/15
2015/08/302015/05/92016/01/202014/11/262015/03/32015/11/212015/11/8
1394/8/17
mahdi
ghaemiasl
Ferdowsi University of Mashhad
مهدی
قائمی اصل
m.ghaemi84@gmail.com
0031947532846007578
0031947532846007578
Yes
دانشگاه فردوسی مشهد
Mostafa
Salimifar
Ferdowsi University of Mashhad
مصطفی
سلیمی فر
mostafa@ferdowsi.um.ac.ir
0031947532846007579
0031947532846007579
No
دانشگاه فردوسی مشهد
Mohammad Hossien
Mahdavi Adeli
Ferdowsi University of Mashhad
محمدحسین
مهدوی عادلی
madeli_2001@yahoo.com
0031947532846007580
0031947532846007580
No
دانشگاه فردوسی مشهد
Mostafa
Rajabi Mashhadi
Sadjad university of technology
مصطفی
رجبی مشهدی
m.rajabimashhadi@ieee.org
0031947532846007581
0031947532846007581
No
معاون برنامه ریزی و تحقیقات شرکت برق منطقهای خراسان