چشم‌انداز ‌مصرف برق کشور در دورۀ 2100-2011 تحت شرایط تغییر اقلیم با استفاده از ریزمقیاس‌‌نمایی برونداد مدل‌های گردش عمومی جوّ

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه تغییر اقلیم، پژوهشکده اقلیم‌شناسی دانشگاه مشهد، مشهد، ایران

2 دانشجوی دکترای اقیلم‌شناسی دانشگاه حکیم سبزواری، سبزوار، ایران

3 استادیار گروه اقلیم‌شناسی دانشکده جغرافیا و علوم محیطی دانشگاه حکیم سبزواری، سبزوار، ایران

4 استادیار دانشکده جغرافیا و علوم محیطی دانشگاه حکیم سبزواری، سبزوار، ایران

چکیده

تولید و مصرف انرژی برق در کشور، یکی از موضوعات مهم در سیاست‌گذاری و برنامه‌ریزی‌های کلان توسعه‌ای کشور است. مطالعات نشان می‌دهد بر اثر پدیدۀ گرمایش جهانی میانگین دمای کره زمین در دهه‌های آینده افزایش خواهد داشت که این وضعیت موجب افزایش تقاضای برق و مصرف انرژی می‌شود. بررسی روند برق مصرفی کشور در سال‌های گذشته، گویای وجود ارتباط معنادار بین میزان برق تولیدی و میانگین دمای کشور در مقیاس‌های زمانی 5 تا 10 سال است. در این پژوهش با استفاده از آمار دما و برق مصرفی سالانۀ کشور و به‌کارگیری ریزمقیاس‌نمایی آماری برونداد، سه مدل گردش عمومی جوّ HadCM3، NCCCSNو MPEH5 میزان انرژی برق مورد نیاز کشور برای دهه‌های آتی شبیه‌سازی شد. در شبیه‌سازی میزان برق مورد نیاز آینده، رفتار بین برق مصرفی‌- میانگین دمای کشور مد‌نظر قرار گرفت. نتایج نشان دادند دمای میانگین کشور در سه دورۀ 2040-2011، 2070-2041 و 2100-2071 به‌ترتیب 2/1، 4/2 و 6/3 در مقایسه با دورۀ پایه 90-1961 افزایش خواهد یافت. این افزایش دما موجب خواهد شد تا میزان تقاضای انرژی برق کشور به‌ترتیب 51، 4/81 و 2/117 مگاوات نسبت به‌ دورۀ 90-1386 افزایش یابد. یافته‌های این پژوهش می‌تواند در برنامه‌‌ریزی‌های کلان توسعۀ بخش انرژی کشور، ساخت نیروگاه‌های جدید و سازگاری با تغییر اقلیم‌‌ استفاده شود.

کلیدواژه‌ها


عنوان مقاله [English]

Future Perspective of Electricity Consumption in Iran during the Period 2011-2100 under Climate Change Scenarios using Downscaling of General Circulation Models

نویسندگان [English]

  • iman babaeian 1
  • Atefeh erfani 2
  • alireza Entezari 3
  • mohammad baaghideh 4
1 * Assistant Professor of Climatology, Climatological Research Institute, Mashhad, Iran
2 PhD Student in Climatology, Hakim Sabzrvari University, Sbzevar, Iran.
3 Assistant Professor of Climatology, Hakim Sabzevari Uneversity, Sabzevar, Iran
4 Assistant Professor of Climatology, Hakim Sabzevari Uneversity, Sabzevar, Iran
چکیده [English]

Production and consumption of electricity in Iran is one of the most important issues in long-term planning. Studies show that the global warming will increase dramatically in the coming decades, which will lead to increase in electricity demand. There is a significant correlation between 5-10 years mean electricity consumption and country-averaged temperature. In this study, mean annual electricity consumption across Iran has been parameterized using 5-year country-averaged annual temperature. The 5-yaer mean temperature of Iran was forecasted to 2100 using statistical downscaling of three General Circulation models of HadCM, NCCCSN and MPEH5. Then, 5-year mean electricity consumption of Iran during 2020s up to 2100s has been simulated by the combination of electricity-temperature parameterization equation and future 5-year temperature. The results showed that the average temperature will increase in the periods of 2011-2040, 2041-2070 and 2071-2100 by 1.2, 2.4 and 3.6 °C, respectively when comparing to the baseline period of 1961-1990. Increasing temperatures will lead to increased electricity demand over the country by 51, 81.4 and 117.2 GW comparing to the average electricity consumption in the most recent five-year (1386-1990) available electricity consumption data. The results of this study can be used in nation’s long-term planning for future energy demands, power plant development and climate change adaptation.
period of 1961-1990. Increasing temperatures will lead to increased electricity demand in the country by 51, 81.4 and 117.2 MW comparing to the average electricity consumption in the most recent five-year available electricity consumption data (1386-1990). The results of this study can be used in nation long-term planning for future energy demands and power plant development.

کلیدواژه‌ها [English]

  • Forecasting
  • Electricity consumption
  • climate change
  • Temperature
  • Atmospheric General Circulation Model

1. مقدمه

در سال‌های اخیر تغییرات آب و هوایی، اغلب مناطق جهان را درگیر‌ بحران‌های جوّی و اقلیمی کرده است. انرژی یکی از حوزه‌های حساس به تغییر اقلیم است که میزان مصرف و چشم‌انداز آن در دهه‌های آتی از شاخص‌های مهم در برنامه‌ریزی و سیاست‌گذاری‌های کلان کشور به‌شمار می‌رود.‌ انرژی، علاوه بر اینکه یکی از عوامل مهم تولید به‌شمار می‌رود، استفادۀ بیش‌ از حد آن،‌ موجب افزایش آلودگی‌های زیست‌محیطی و گازهای گلخانه‌ای در کره زمین‌ و‌ ‌‌افزایش دمای آن ‌شده است. بعد از اجرای طرح هدفمندی یارانه‌ها در کشور، سهم نسبتاً درخور ‌توجهی از هزینه‌های تمام‌شدۀ کالا و خدمات به انرژی اختصاص یافته است. نوسان میزان مصرف برق در کشور نشان می‌دهد، عوامل گوناگونی بر مقدار مصرف برق تأثیرگذار هستند؛ از سوی دیگر، گستردگی جغرافیایی‌ ایران با‌وجود مناطق گوناگون آب و هوایی، سبب شده است استان‌های مختلف، نیازهای گوناگونی برای مصرف برق داشته باشند. با توجه به اینکه مقدار مصرف برق ایران سه‌برابر مصرف جهانی گزارش ‌شده است و از آنجا‌‌که مقدار آن در فصول مختلف در نوسان است، توجه به دما، مهم‌ترین عنصر اقلیمی، که در سال‌های اخیر با تأثیر از گرمایش جهانی افزایش‌ یافته است،‌ نگرشی جدید در ارتباط بین گرمایش جهانی‌ و مقدار مصرف برق‌ ایجاد می‌کند. هیئت بین‌الدول تغییر اقلیم در گزارش چهارم خود در سال 2007، افزایش دمای کره زمین را ناشی از فعالیت‌های انسان دانسته و پیش‌بینی می‌کند ‌دمای کره زمین بین 1 تا 4 درجه تا سال 2100 میلادی افزایش یابد. این مقدار بر اساس سناریوهای انتشار مختلف گازهای گلخانه‌ای به‌خصوص دی‌اکسید کربن متفاوت خواهد بود. علاوه بر این، بر اساس گزارش کارگروه اول تدوین گزارش پنجم ارزیابی هیأت بین‌الدول تغییر اقلیم، میانگین دمای کره زمین در هر سه دهۀ اخیر به‌طور پیوسته ‌افزایشی بوده است و دورۀ 30‌سالۀ 2012-1983 گرم‌ترین دورۀ اقلیمی در 1400 سال گذشته بوده است (IPCC, 2013). پژوهش‌‌های انجام‌شده در کشور نشان می‌دهند، میانگین دما در دورۀ 2039-2011 حدود 0.5 درجه سلسیوس نسبت به میانگین دورۀ آماری افزایش می‌یابد (بوئر و همکاران، 2001: ص525). رخدادهای دما حداکثر و روزهای داغ با احتمال بیشتری رو به فزونی است. از طرف دیگر، مقادیر حداقل دما و تعداد روزهای یخبندان رو به کاهش است. از ابتدای تابستان سال 1393، میانگین دمای کشور به‌طور متوسط یک درجه نسبت به میانگین دورۀ آماری افزایش ‌یافت که علایم آن به‌صورت کمبود انرژی برق مورد نیاز و‌ اختلالات مقطعی نمایان شد. توصیه‌های مکرر وزارت نیرو از طریق صدا و سیما در جهت صرفه‌جویی در مصرف برق، ارتباط بین افزایش دما و مصرف برق کشور را نشان می‌دهد.

غلظت حال حاضر دی اکسید کربن، متان و اکسید نیتروس نسبت به 800 هزار سال بی‌سابقه بوده است. غلظت دی اکسید کربن به میزان 40 درصد نسبت به دورۀ قبل از انقلاب صنعتی افزایش یافته است که اساساً ناشی از انتشار سوخت‌های فسیلی و در مرحلۀ بعد ناشی از تغییر در کاربری اراضی بوده است. غلظت تجمعی دی اکسید کربن، تعیین‌کنندۀ مقدار افزایش دمای سطح زمین در قرن بیست و یکم و بعد از آن است. حتی در صورت توقف انتشار دی اکسید کربن، بسیاری از پیامدها و جنبه‌های تغییر اقلیم برای قرن‌های متمادی ماندگار خواهد بود (IPCC, 2013). افزایش کنونی دی‌اکسید کربن (Co2) در جوّ زمین، عمدتاً به‌دلیل احتراق سوخت‌های فسیلی برای تولید و انتقال برق است (IPCC,2007). برای مثال، بخش تولید برق در ایالت متحده آمریکا، 34 درصد از کل گازهای گلخانه‌ای‌ تولیدی در این کشور را به خود اختصاص داده است (US EPA,2013 ). به‌علاوه، این بخش از بزرگترین تولیدکنندگان دی‌اکسید گوگرد (So2)، اکسید نیتروژن (NOx) و جیوه به‌شمار می‌رود (IPCC,2007).

با توجه به اینکه تغییرات اقلیمی پیامدهای جدی بر بخش برق به‌خصوص بر روی وضعیت عرضه و تقاضای آن در آینده خواهد داشت، شناخت این پدیده و تأثیر آن بر روی سیستم‌های متأثر از انرژی برق برای سیاست‌گذاران انرژی در سراسر جهان از اهمیت روزافزونی برخوردار است (شنکر و همکاران،2010‌: ص2212). پژوهشگران در سراسر جهان با استفاده از روش‌های گوناگونی به بررسی و مدل‌سازی تأثیر تغییر اقلیم بر روی مصرف برق پرداخته‌اند. ازجملۀ این روش‌ها می‌توان به رگرسیون خطی چندگانه،‌ فازی، شبکه‌های عصبی و دیگر روش‌های آماری پیشرفته اشاره کرد. در مدل‌های رگرسیون خطی چندگانه، از متغیرهای آب و هواشناسی و اقتصادی به‌‌عنوان متغیر مستقل برای پیش‌بینی تغییرات در آینده استفاده‌ می‌شود. گاه پژوهشگران این مدل را برای پیش‌بینی در سطح ملی به‌کار برده‌اند‌؛ ‌رزنتال[1] و همکاران (1995) و منصور[2] و همکاران (2008) برای ایالت متحده‌، ‌پارپوم و همکاران (‌2003) برای تایلند و ‌‌هاون و همکاران‌ (2001)‌ برای استرالیا از این مدل برای پیش‌بینی مصرف برق استفاده‌ کرده‌اند.‌ ارتباط معنادار و قوی از تأثیر تغییر اقلیم بر مصرف انرژی برق را ‌آماتو[3]‌ و همکاران‌ (2005) برای ماساچوست‌ و ‌راث[4] و همکاران‌ (2006‌‌) برای مریلند نشان دادند. هاودن و همکاران (2001)‌ ‌با استفاده از مدل رگرسیون خطی چندگانه به بررسی تأثیر تغییر اقلیم بر تقاضای برق در چهار شهر استرالیا شامل سیدنی، ملبورن، بریسبین و آدلاید پرداختند. در تمام این مناطق کاهش مصرف برای گرمایش در زمستان و افزایش مصرف برق برای سرمایش در تابستان مشهود بوده است. برای سیدنی و ملبورن افزایش دما، تأثیر کمی بر روی میانگین تقاضا داشت (‌5/1 درصد افزایش مصرف برق برای هر 7 درجه افزایش دما)؛ اما برای بریسبین و مخصوصاً آدلاید، افزایش‌های شدید بین 10 تا 28 درصد در مصرف برق برای هر 7 درجه افزایش دما محاسبه شد. گلمبک[5] و همکاران (2001)، در بررسی تغییر اقلیم و تأثیر آن بر بازار برق در اروپای غربی از مدل چندگانۀ LIBEMOD استفاده کردند تا علاوه بر شرایط اقلیمی، شرایط بازار عرضه را نیز در نظر بگیرند. آنها تأثیر تغییر اقلیم بر بازارهای برق را به سه دسته تقسیم کردند: اول، تأثیر بر تقاضای برق که خود متأثر از تغییر دماست؛ دوم، تأثیر در عرضۀ برق که با تغییر در جریان هیدرولوژیکی رودخانه‌ها و درنتیجه با عناصر دما و بارندگی در ارتباط است و سوم: کاهش بازدهی نیروگاه‌ها برای تولید برق گرمایی به‌دلیل بالا‌رفتن دمای آب دستگاه‌های خنک‌کننده. نتایج این بررسی نشان داد، با توجه به تأثیر تغییر اقلیم بر روی این سه بخش، میانگین قیمت برق تولیدی 2درصد تغییر خواهد کرد و تولید سالانۀ برق 85 درصد افزایش خواهد داشت. در مطالعه‌ای که‌ میلر[6] و همکاران (2007) با‌عنوان تغییر اقلیم، گرمای شدید و تقاضای برق در کالیفرنیا انجام دادند، با مطالعۀ سناریوهای انتشار گوناگون مشخص شد‌ تعداد گرم‌ترین روزهای تابستان که در شرایط فعلی 12 روز در سال است، به 96 روز در سال 2100 افزایش خواهد یافت. افزایش مصرف برق پیش‌بینی‌شده در سناریوی ‌A1B بین سال‌های 2099-2070، 20 تا 30 درصد بیشتر از سناریوی B1 است. این یافته‌ها در ترکیب با روابط مدل‌شده بین دمای بالا و تقاضای برق به‌منظور تهویۀ هوا، نشان می‌دهد که در آینده کمبودهای بالقوه‌ای در انتقال و عرضۀ برق در زمان اوج مصرف وجود خواهد داشت. تاچر[7] (2006) با استفاده از یک مدل رگرسیون خطی برای استرالیا به این نتیجه رسید که با فرض افزایش دمای محیط بیرون از سکونتگاه‌ها به‌میزان یک درجه سانتی‌گراد، تقاضای الکتریسیته بین 1/‌2- تا 6/4 در مناطق مختلف استرالیا تغییر خواهد کرد. کریستین سون[8] و همکاران (2006)، با توسعه و بسط شاخص درجه روز برای سوئیس از داده‌های ماهانۀ دما استفاده کردند. آنها برای این پژوهش بر مبنای 41 سناریوی منطقه‌ای و با استفاده از 8 مدل گرمایش جهانی، میزان تقاضای انرژی در بخش گرمایش و سرمایش را با توجه به تغییرات اقلیم شبیه‌سازی کردند. شکوری و نادمی (2009)، با استفاده از مدل رگرسیون فازی به پیش‌بینی مصرف برق بر اساس دما در شهر تهران پرداختند. آنان برای مدل‌کردن متغیر تقاضا، از دمای روزانه استفاده کردند و مدل رگرسیون هیبرید فازی در مقایسه با مدل OLS ‌کار‌آیی قابل‌قبول‌تری را برای پیش‌بینی مصرف برق نشان داد. زمان و شکوری (2010) نیز با استفاده از مدل رگرسیون فازی به پیش‌بینی اوج تقاضای برق در ایران پرداختند. پارامترهای اقلیمی مورداستفاده در پژوهش آنان، شامل دما و رطوبت نسبی بوده است. آنان دو مدل رگرسیون فازی را به‌طور مجزا، برای تابستان و زمستان طراحی کردند. همچنین چن و لی[9] (2010)، با استفاده از شبکۀ عصبی به پیش‌بینی مصرف برق در نیوزیلند پرداختند. نتایج آنان نشان داد، گرمایش جهانی در نیوزیلند یک درجه سیلسیوس بوده است که به‌ احتمال‌ زیاد به کاهش مصرف برق به‌میزان 4/1 درصد منجر خواهد شد. گزارش علمی کمیسیون اروپا نشان می‌دهد، بر اثر پدیدۀ گرمایش جهانی نیاز به انرژی الکتریکی برای گرمایش در شمال اروپا حدود 20 درصد کاهش یافته است، اما در جنوب آن نیاز انرژی الکتریکی به‌میزان 20 درصد برای مقاصد سرمایش افزایش خواهد یافت (European Commission, 2011). ازجمله این پژوهش‌ها در داخل کشور، می‌توان به بررسی روشن و همکاران (2012) اشاره کرد. وی در مطالعۀ خود به‌منظور تخمین دورنمای انرژی مورد استفاده برای گرمایش و سرمایش سکونتگاه‌های انسانی در شمال غرب کشور پرداخت. وی برای شبیه‌سازی مقادیر درجه روز، از مدل گردش عمومی جوّ HadCM3 و سناریوی A1 استفاده کرد. همچنین، از مدل‌ LARS-WG ‌برای ریزمقیاس‌نمایی زمانی و مکانی داده‌ها بهره گرفت. نتایج نهایی این مدل‌سازی نشان داد، نیاز به انرژی گرمایشی به مقدار 2/25 درجه روز کاهش و افزایش نیاز به انرژی خنک‌کنندگی به مقدار 825 درجه روز کالری برای میانگین 90 سال آینده در نواحی شمال غرب است. خلیلی‌ (1378)، در پژوهشی با عنوان تحلیل سه‌بعدی درجه روزهای گرمایش و سرمایش در ایران، به بررسی نیاز به انرژی در سکونتگاه‌ها پرداخت‌ و نشان داد که در فصل گرم به ازای هر کیلومتر ارتفاع 580 درجه روز از نیاز انرژی سرمایی کاسته می‌شود. بابائیان و همکاران (1393) با استفاده از آمار دما و برق مصرفی سالانۀ کشور و برونداد ریزمقیاس‌شده پیش‌بینی دمای مدل گردش عمومی جو[10]HadCM3 بر روی کشور، دما و میزان تقاضای برق در کشور تا سال 2100 میلادی را شبیه‌سازی کردند. یافته‌های آنان نشان داد، با توجه به افزایش دمای پیش‌بینی‌شده، میزان تقاضای انرژی برق کشور در آینده در مقایسه با میانگین انرژی برق مصرفی در دورۀ 90-1386 افزایش قابل‌توجهی خواهد داشت.

با توجه به اهمیت انرژی برق مصرفی در برنامه‌ریزی‌های کلان وزارت نیرو و نقش آن در اقتصاد کشورمان، در این پژوهش با استفاده از ریزمقیاس‌‌‌‌نمایی آماری برونداد سه مدل‌ گردش عمومی HadCM3، NCCCSNوMPEH5 میانگین دمای کشور تا سال 2100 شبیه‌سازی گردید‌ و سپس بر اساس افزایش دمای‌ شبیه‌سازی‌‌شده، چشم‌انداز میزان برق مصرفی مورد نیاز‌ کشور برآورد می‌شود.

2. مواد و روش‌ها

در این پژوهش از سه سری داده استفاده‌ شده است.‌ سری اول داده‌های دمای دیدبانی 13 ایستگاه هواشناسی در کل کشور که دارای آمار بدون نقص از سال 1961 تا 2009 ‌با توزیع جغرافیایی نسبتاً متوازن هستند.‌ مشخصات جغرافیایی ایستگاه‌های هواشناسی مورد استفاده در جدول 1 نشان داده ‌شده است.

جدول1- مشخصات ایستگاه‌های هواشناسی کشور برای محاسبۀ میانگین دمای کشور

ردیف

نام ایستگاه

طول جغرافیایی

عرض جغرافیایی

1

مشهد

36.3

59.6

2

اهواز

31.3

48.7

3

بندرعباس

27.2

56.3

4

اصفهان

32.6

51.7

5

سنندج

35.3

47.0

6

شیراز

29.6

52.6

7

تبریز

38.1

46.3

8

تهران

35.7

51.4

9

زاهدان

29.5

60.9

10

کرمان

20.3

57.1

11

بندر انزلی

34.5

49.5

12

کرمانشاه

34.3

47.1

13

شاهرود

36.4

55.0

سری دوم داده‌های، آمار تولید برق کشور بر اساس آمارنامۀ منتشر‌شده از سوی شرکت برق ایران در دورۀ زمانی پیش‌گفته است که از آنها برای یافتن ارتباط بین نوسانات میانگین دمای کشور و برق تولیدی استفاده‌ شد. سری سوم داده‌ها، برونداد سه مدل گردش عمومی جوّ MPEH5‌، HadCM3، NCCCSM هستند. صبوری (1393)، کارایی 18 مدل گردش عمومی جوّ را که در گزارش چهارم هیأت بین‌الدول تغییر اقلیم ارائه ‌شده است، با استفاده از روش وزنی ‌بررسی کرد و در نهایت سه مدل‌ HADCM3‌، MPEH5 و NCCCSM را برای برازش دما و بارش ایران مناسب دانست. در پژوهش حاضر، با توجه به یافته‌های پژوهش وی، سه مدل فوق با سه سناریوی A1B، B1 و A2‌ استفاده شدند.

1.2. ارتباط بین دما و مصرف برق کشور‌

ارتباط بین میانگین‌های‌ پنج‌سالۀ برق تولیدی و دمای کشور بر اساس آمار سازمان هواشناسی‌ و شرکت برق کشور‌ بررسی شد. در شکل 1، ارتباط بین مقادیر نرمال‌شده دو متغیر یادشده بر اساس مدل رگرسیون خطی یک‌متغیره نشان داده ‌شده است. همبستگی بین میانگین دمای کشور و برق مصرفی 0.72 و در سطح اعتماد 0.05 معنادار است. شکل مذکور نشان می‌دهد که بین میانگین پنج‌سالۀ استاندارد‌شدۀ برق تولیدی و دمای کشور تناظر یک‌به‌یک وجود دارد.

 

 

 

 

 

 

 

 

 

شکل1- چپ: سری زمانی میانگین‌های استاندارد‌شدۀ پنج‌سالۀ دما و برق کشور در دورۀ 1389-1346؛ راست: وجود تناظر یک‌‌به‌‌یک بین میانگین دمای و انرژی برق مصرفی‌

معادلۀ خط انرژی برق مصرفی کشور بر اساس متغیر مستقل دما‌ به‌‌صورت زیر است:

(1)

 

که در آن E  و  به‌ترتیب‌ انرژی برق مصرفی‌ و دمای نرمالیزه‌شده کشور به‌صورت میانگین‌های پنج‌ساله است. بر اساس معادلۀ 1، برق مصرفی کشور در دورۀ مشاهداتی 1389-1346 شبیه‌سازی شد. ارتباط بین میزان برق تولیدی مشاهداتی با مقادیر شبیه‌سازی‌شدۀ حاصل از معادلۀ (1) به‌صورت نمودار یک‌به‌یک در شکل 32 آورده شد.

 

شکل2- نمودار یک‌به‌یک مربوط به برق تولیدی مشاهداتی و شبیه‌سازی‌شده در دورۀ 1389-1346

مقادیر میانگین مشاهداتی برق تولیدی و مدل‌شده بر اساس میانگین 5‌سالۀ دما به همراه خطای مربوطه در جدول زیر آورده شده است.

جدول 2- مقادیر میانگین مشاهداتی برق تولیدی و مدل‌شده به‌همراه خطای مربوطه بر اساس میانگین 5‌سالۀ دما

میانگین مشاهداتی(MW)

میانگین مدل‌سازی (MW)

خطا(درصد)

 

17450

16380

1/6

       

پس از ریزمقیاس‌نمایی مقادیر دمای میانگین در بازه‌های زمانی 5‌ساله برای دوره‌های آتی، از معادلۀ‌ 1 برای شبیه‌سازی برق تولیدی مورد نیاز برای آینده استفاده شد. خطای معادلۀ فوق 1/6 درصد است.

2.2. ریزمقیاس‌گردانی‌

از آنجا که مقیاس مکانی برونداد مدل‌های گردش عمومی جوّ بسیار درشت (حدود 250 در 250 کیلومتر مربع) بود‌ه و قابل‌ استفاده در مطالعات اقلیمی و سایر پژوهش‌های کاربردی نیست، از این‌رو، دانشمندان ابزارهای واسطی برای کوچک‌ مقیاس‌نمودن برونداد مدل‌های پیش‌گفته ابداع کرده‌اند که عموماً به دو دستۀ آماری و دینامیکی تقسیم می‌شوند. در روش آماری ارتباط بین متغیرهای سطحی و برونداد مدل گردش عمومی از طریق روابط آماری به‌دست آمده در دورۀ تاریخی محاسبه می‌شوند؛ اما در روش‌ دینامیکی این روابط از طریق حل معادلۀ سیال هوا به‌دست می‌آید. از آنجاکه روش دینامیکی پرهزینه و وقت‌گیر است،‌ اغلب ترجیح داده می‌شود از روش ریزمقیاس‌نمایی آماری استفاده شود (14). این مدل‌ها با استفاده از خروجی GCM‌ها و به‌کارگیری طرح فرضی[11] خاص مدل تولیدکننده،‌ برونداد مدل‌های گردش عمومی جوّ در مقیاس بزرگ را به مقیاس خردتر تبدیل می‌کنند (12). در این مطالعه از روش عامل تغییر[12] برای ریزمقیاس‌نمایی برونداد مدل‌های گردش عمومی استفاده ‌شده است. در ریزمقیاس‌نمایی به روش عامل تغییر یا تناسبی برای محاسبۀ سناریوی تغییر دما، متوسط درازمدت دمای ماهانۀ شبیه‌سازی‌شده در دورۀ‌ آتی از دورۀ پایه کم می‌شود (12).

 

(1)                  

 
   

که در آن بیانگر سناریوی تغییر ‌دما برای میانگین درازمدت هرماه (12≤ i ≤1)،  میانگین درازمدت دمای شبیه‌سازی‌شده به‌وسیلۀ مدل گردش عمومی جوّ در دورۀ‌ آتی و  میانگین درازمدت دمای‌ شبیه‌سازی‌شده به‌وسیلۀ همان مدل گردش عمومی جوّ در دورۀ مشابه با دورۀ مشاهداتی ماه مذکور است. برای به‌دست‌آوردن سری زمانی سناریوی اقلیمی آینده، سناریوهای تغییر دمای هرماه‌ به مقادیر مشاهداتی روزانۀ همان ماه افزوده می‌شود:

 (2)

 

در رابطۀ فوق، Tobs سری زمانی دمای مشاهداتی روزانۀ دورۀ پایه، T سری زمانی دما در دورۀ آتی و سناریوی تغییر دماست.

 

3. بحث

با توجه به نتایج جدول (3)، میانگین دمای کشور تحت سه سناریوی انتشار A1B (متوسط)، A2 (بدبینانه) وB1 (خوش‌بینانه) تا سال 2100 میلادی شبیه‌سازی شد. افزایش دمای کشور در سه دورۀ 2040-2011، 2070-2041 و 2100-2071 در جدول 3 آورده شده است.

 بر اساس مدل HadCM3 دما در دورۀ 2040-2011، بین 4/1 – 9/0 درجه و در دورۀ 2070 – 2041 بین 3-2.2 درجه و در دورۀ 2100 – 2071 بین 4.9-2.9 درجه افزایش خواهد داشت. مدل NCCCSN، افزایش دما برای دوره‌های مشابه فوق را به‌ترتیب 1.9-1.5، 3-2، 4.4-2.4 درجه شبیه‌سازی کرده است و افزایش دما‌ در مدل MPEH5 نیز به‌ترتیب در دهه‌های ذکرشده 1.4-1.1، 2.8-2 و 4.9-3.2 درجه است. با توجه به نتایج به‌دست‌آمده بیشترین افزایش دما در دورۀ 2100 – 2071 به مقدار 4.9 درجه سلسیوس مربوط به مدل‌های  HadCM3‌و MPEH5 و‌ برای است. کمترین افزایش دمای محتمل برای دورۀ یاد‌شده بین 2.4 تا 3.2 درجه سلسیوس خواهد بود که این مقدار بیش از محدودیت 2 درجه‌ای توافق‌شده در کنفرانس‌های متعامدین (COP[13]) سال‌های اخیر است که‌ UNFCC به نمایندگی از سازمان ملل متحد برگزار می‌کند.

 

جدول 3- میزان افزایش دمای کشور تا سال 2100 میلادی تحت سناریوهای انتشار مختلف نسبت به دورۀ 1990- 1961

2100-2071

2070-2041

2040-2011

نام مدل

B1

A2

A1B

B1

A2

A1B

B1

A2

A1B

2.9

4.9

4.2

2.2

2.9

3

0.9

1.4

1.4

HADCM3

2.4

4.4

3.4

2

2.9

3

1.5

1.9

1.8

NCCCSN

3.2

4.9

4.2

2

2.5

2.8

1.1

1.1

1.4

MPEH5

 

 

 

در شکل 3، نمودار جعبه‌ای تغییرات دمای کشور تحت شرایط گرمایش جهانی در سه دورۀ 2040-2011، 2070-2041 و 2100-2071 آورده شده است. ملاحظه می‌شود که میانگین دمای دورۀ 2040-2011، 2070-2041 و 2100-2071 نسبت به دورۀ دیدبانی به‌ترتیب 4/1، 6/2 و‌ 8/3 درجه افزایش می‌یابد. نکتۀ مهمی که در شکل دیده می‌شود، افزایش دامنۀ عدم قطعیت پیش‌بینی‌ها در دهه‌های آتی است؛ به‌طوری‌که در دورۀ 2040-2011 دامنۀ تغییرات دمای پیش‌بینی‌شده بین چارک اول و سوم (پنجاه‌درصد داده‌ها) 4/0 درجه است؛ درحالی‌که این مقدار در دوره‌های 2070-2041 و 2100-2071 به‌ترتیب به 7/0 و 8/1 درجه سلسیوس افزایش ‌یافته است؛ به‌عبارت دیگر با افزایش طول دورۀ پیش‌بینی، میزان عدم قطعیت افزایش می‌یابد.

 

 

شکل 3- چشم‌انداز‌ افزایش میانگین دمای کشور تا 2100 میلادی

 

 

با استفاده از‌ 9 سری دمای سالانۀ شبیه‌سازی‌شدۀ کشور تا سال 2100 میلادی که حاصل ریزمقیاس‌نمایی برونداد 3 مدل گردش عمومی جوّ تحت 3 سناریوی‌ انتشار است و با به‌کارگیری معادلۀ مشخص‌کنندۀ ارتباط بین انرژی برق مصرفی سالانه و میانگین دمای کشور، چشم‌انداز انرژی مصرفی کشور تا سال 2100 در شکل‌های 4 تا 6 آورده شده است.

 

 

 

شکل 4- نمودار میزان انرژی برق تولیدی کشور تا سال 2100 میلادی براساس سه سناریوی انتشار مختلف (مدل HadCM3)

 

شکل 5- نمودار میزان انرژی برق تولیدی کشور تا سال 2100 میلادی بر اساس سه سناریوی انتشار مختلف (مدل NCCCSN)

 

شکل 6- نمودار میزان انرژی برق تولیدی کشور تا سال 2100 میلادی بر اساس سه سناریوی انتشار مختلف (مدل MPEH5‌)

 

در جدول 4، درصد افزایش برق مصرفی موردنیاز کشور در دورۀ 2040-2011، 2070-2041 و 2100-2071 برای مدل HadCM3 آورده شده است. بر این اساس در دهۀ 2040-2011 میزان تقاضای برق بین 28.2 تا 33.5 درصد، در دورۀ 2070-2041 بین 85.1 تا 116.9 و در دهۀ انتهایی قرن حاضر بین 175.7 تا 181.3 درصد افزایش خواهد یافت.

جدول 4- چشم‌انداز افزایش تقاضای برق کشور (درصد) تا سال 2100 میلادی تحت سناریوهای مختلف (مدل HadCM3)

 

دوره

سناریوی انتشار

A1B

A2

B1

2040-2011

30.0

28.2

33.5

2070-2041

107.4

85.1

116.9

2100-2071

181.3

177.7

175.7

 

بر اساس نتایج مدل  NCCCSN‌میزان تقاضای برق در دهۀ 2040-2011 بین 9/32 تا 3/44 درصد، در دورۀ 2070-2041 بین 6/95 تا 3/130 و در دهۀ انتهایی قرن حاضر بین 8/156 تا 9/194 درصد افزایش خواهد یافت (جدول 5)

جدول 5- ‌چشم‌انداز افزایش تقاضای برق مصرفی کشور (درصد) تا سال 2100 میلادی تحت سناریوهای مختلف (مدل NCCCSN)

 

دوره

سناریوی انتشار

A1B

A2

B1

2040-2011

7/37

9/32

3/44

2070-2041

3/130

6/95

4/105

2100-2071

6/188

9/194

8/156

 


نتایج مدل MPEH5 نیز میزان افزایش تقاضای برق را برای دهه‌های ذکرشده به‌ترتیب بین 9/21 تا 9/34 درصد، 9/93 تا 08/108 درصد و بین 189 تا 7/198 درصد محاسبه کرده است.

جدول 6-‌ چشم‌انداز افزایش تقاضای برق مصرفی کشور (درصد) تا سال 2100 میلادی تحت سناریوهای مختلف (مدل MPEH5)

 

دوره

سناریوی انتشار

A1B

A2

B1

2040-2011

9/21

30

9/34

2070-2041

08/108

7/95

9/93

2100-2071

7/198

5/198

189

 

شکل 7- چشم‌انداز نمودار انرژی برق مصرفی کشور در دهه‌های آینده تحت سناریوهای مختلف اقلیمی


در باکس پلات‌های ترسیم‌شده‌ در شکل‌های 3 و 7، افزایش ارتفاع باکس پلات نشان‌دهندۀ عدم قطعیت بیشتر در‌ شبیه‌سازی‌هاست. عدم قطعیت فاصله بین پیش‌بینی‌هایی که بین چارک اول و سوم قرار می‌گیرند، در نظر گرفته شده است. میانگین دمای کشور برای دورۀ 2040-2011، 19 درجه سلسیوس، دورۀ 2070-2041 برابر با 20 درجه و دورۀ 2100-2071، 4/21 درجه محاسبه شد. میزان افزایش دما در دوره‌های فوق نسبت به دورۀ مشاهداتی، 4/1، 6/2 و 8/3 درجه خواهد بود. دامنۀ عدم قطعیت ‌شبیه‌سازی‌ها‌ در هر یک از دوره‌های فوق به‌ترتیب 6/0، 1 و 5/1 درجه سلسیوس است. بر اساس مدل رگرسیونی ارتباط بین میانگین دما و برق مصرفی و نیز میانگین‌‌های ریزمقیاس‌شده دما به روش عامل تغییر، چشم‌انداز میانگین برق تولیدی مورد نیاز برای دهه‌های آتی محاسبه شد. نتایج نشان داد، میانگین انرژی برق مورد نیاز کشور در دورۀ 2040-2011 برابر 7/71 مگاوات، دورۀ 2070-2041 برابر با 1/102 و دورۀ 2100-2071، 9/137 مگاوات خواهد بود که به‌ترتیب معادل 51، 4/81 و 2/117 مگاوات افزایش در میزان برق مورد نیاز کشور است. عدم قطعیت مقادیر برآورد‌شدۀ فوق در سه دورۀ‌ مورد بررسی به‌ترتیب 6/8، 1/27 و 8/29 مگاوات معادل 8/16، 4/19 و 4/25 درصد است که منعکس‌کنندۀ دامنۀ خطای شبیه‌سازی میزان برق مورد نیاز کشور در سه دهۀ آینده است. هرچه میزان عدم قطعیت یا نوسان‌پذیری برق شبیه‌سازی‌شده بیشتر باشد، برنامه‌ریزی در بخش‌های مختلف کشور نیز دچار نوسان و عدم قطعیت خواهد شد. پیشنهاد می‌شود، برای کاهش‌ دامنۀ عدم قطعیت از‌ ریزمقیاس نمایی دینامیکی، افزایش تعداد مدل‌– سناریوها، داده‌های بازتحلیل دما و متغیرهای غیراقلیمی تأثیرگذار مانند رشد اقتصادی و جمعیت استفاده شود.

 

نتایج‌

در این پژوهش تأثیرگذاری پدیدۀ گرمایش جهانی بر روی میزان تقاضای انرژی برق کشور با استفاده از ریزمقیاس‌نمایی آماری برونداد سه مدل گردش عمومی جوّ شامل HadCM3‌،  NCCCSNو MPEH5‌بررسی شد. در شبیه‌سازی میزان تقاضای برق کشور در دهه‌های آینده، رفتار میانگین پنج‌سالۀ برق مصرفی- دمای کشور مد‌نظر قرار گرفت. نتایج نشان داد،‌ دمای میانگین کشور در سه دورۀ 2040-2011، 2070-2041 و 2100-2071 به‌ترتیب 4/1، 6/2 و 8/3 درجه سلسیوس در مقایسه با دورۀ پایه 90-1961 افزایش خواهد یافت. این افزایش دما موجب خواهد شد تا میزان تقاضای انرژی برق کشور به‌ترتیب 51، 4/81 و 2/117 مگاوات معادل 8/16، 4/19 و 4/25 درصد در مقایسه با میانگین انرژی برق مصرفی در دورۀ 90-1386 افزایش‌ ‌یابد. به‌عبارت ‌دیگر، در انتهای قرن حاضر برق مصرفی کشور حدود سه‌برابر میانگین پنج‌ساله (90-1386) اخیر خواهد بود. عدم قطعیت شبیه‌سازی‌ها بین 6/8 تا8/29 مگاوات معادل 8/16 تا 4/25 درصد خواهد بود. در پژوهش حاضر تنها تأثیرات متغیر دما بررسی شده است. بدیهی است در یک پژوهش جامع لازم است تأثیرات سایر متغیرهای تأثیرگذار مانند رشد جمعیت و توسعۀ اقتصادی را هم مد نظر قرار داد‌ تا عدم قطعیت‌ شبیه‌سازی‌ها کاهش یابد. پیشنهاد می‌شود، کارگروهی در وزارت نیرو تشکیل‌ شود و بر روی پیامدهای تغییرات اقلیم دهه‌های آینده بر میزان مصرف برق مطالعه و ظرفیت لازم برای احداث نیروگاه‌های برق کشور را بررسی کند. برای کاهش عدم قطعیت در‌ شبیه‌سازی‌های انجام‌شده، می‌توان از تعداد بیشتری مدل‌– سناریو، روش‌های دینامیکی و‌ همچنین مدل‌های با قدرت تفکیک مکانی بیشتر استفاده کرد.

 

منابع

 شرکت مادر تخصصی توانیر، (1391)‌. 45‌سال صنعت برق در آیینه آمار 1390-1346. مهر91‌، ص 65.

 مرکز آمار ایران، (1389). نتایج آمارگیری از مقدار مصرف انرژی در کارگاه‌های صنعتی 10 نفر کارکن و بیشتر 1389-1382، 24 صفحه.

 بابائیان، ا.، نجفی‌نیک ز.، زابل‌عباسی ف.، حبیبی نوخندان م.، ادب ح.، ملبوسی ش، (1388). ارزیابی تغییر اقلیم کشور در دورۀ 2039-2010 میلادی با استفاده از ریزمقیاس‌نمایی داده‌های مدل گردش عمومی جوّ ECHO-G.‌، مجلۀ جغرافیا و توسعه، 16: 162-135.

 باباییان، ا، عرفانی، ع، کریمیان،م، مدیریان، ر، (1393). شبیه‌سازی اثر تغییر اقلیم بر مصرف برق کشور در دورۀ 2100-2011 با استفاده از ریزمقیاس‌‌نمایی برونداد مدل گردش عمومی جوّ با استفاده از مدل‌HADCM، دهمین همایش بین‌المللی انرژی‌، شهریور1393.

شائمی برزکی، اکبر؛ حبیبی نوخندان، مجید، (1388). گرمایش جهانی پیامدهای زیستی‌– اکولوژیکی، انتشارات ترجمان خرد. ص210.

 صبوری، غ‌. موسوی بایگی، م؛ هاشمی نیا، م؛ بابائیان، ا، (1393). مطالعۀ تغییرات پهنه‌های اقلیمی ایران در دورۀ 2099-2010 تحت پدیدۀ گرمایش جهانی با استفاده از ریزمقیاس‌نمایی مدل‌های گردش عمومی جوّ، پایان‌نامۀ کارشناسی ارشد، دانشگاه فردوسی مشهد.

Boer GJ, Stouffer RJ, Dix M, Noda A, Senior CA, Raper S, et al(2001). Projections of future climate change. In: Houghton JT, Ding Y, Griggs DJ, Noguer M, van der Linden PJ, Dai X, et al., editors. Climate change: the scientific basis. Cambridge: Cambridge University Press; 2001. p. 525–542.

Chen, GH. Lie, TT (2010). The impact of climate change on New Zealand’s electricity demand. Probability methods applied to power systems (PMAPS) pp. 808–813. Singapore: IEEE.

Christenson, M., Manz, H., Gyalistras, D., (2005). Climate warming impact on degree-daysand building energy demand in Switzerland. Energy conversion and management, 47 (6):671-686.

Golombek R, Kittelsen SA, Haddeland I. Climate change: impacts on electricity markets in Western Europe. Climatic Change 2012; 113:357–70.

IPCC. (2007). Inter-governmental panel on climate change – Fourth assessment

Report (AR4). Cambridge, UK; New York, US: Cambridge UniversityPress.

IPCC, 2013, Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp.

Eoropean Commission,) 2011(, The impact of climate change on Europe’s electricity demand, DG of Environmental News Alert Service, New Alert, No. 223.

Miller N, Jin J, Hayhoe K, Auffhammer M. Climate change, extreme heat and electricity demand in California. Berkley: California Energy Commission; 2007

Ruiter, A. (2012). "Delta-Change approach for CMIP5 GCMs." Royal Netherlands Meteorological Institute, Trainee report, 336p

(16).Roshan, Gh.R.,Orosa, J., Nasrabadi, T., 2012, Simulation of Climate Change Impact on

Energy Consumption in Buildings, Case Study of Iran, Energy Policy, Vol. 49, PP.

731-739.

Semenov, M.A., Barrow, E.M., 2002, LARS-WG a Stochastic Weather Generator for Use in Climate Impact Studies, user's Manual, Version3.0,

http://www.rothamsted.ac.uk/mas models/download/LARS-WG-Manual.pdf.

Shankar N. Chandramowli , Frank A(2010). Felder Impact of climate change on electricity systems and markets, Sustainable Energy Technologies and Assessments journal,volume 5,March 2010, issn 2212 - 1388

Shakouri H, Nadimi R, Ghaderi F. A hybrid TSK-FR model to study short-term variations of the electricity demand versus the temperature changes. Expert SystAppl 2009; 36(2):1765–72

Thatcher, M., (2006). Modelling changes to electricity demand load duration curves as a

Consequence of predicted climate change for Australia. Energy 32, 1647-1659

US EPA (2013). Sources of Greenhouse Gas Report. Retrieved 15 January 2013, from United States Environment Protection Agency (US EPA)

Zaman, H, Shakouri, H (2010).A combined 2-dimensional fuzzy regression model to study the effects of climate change on electricity consumption in Iran. In: International conference on energy, power and control (EPC-IQ), Basrah, Iraq: IEEE.

 



[1] -Rosenthal

[2] -Mansur

[3] -Amato

[4] - Ruth

[5]- Golombek

[6] - Miller

[7] -Thatcher

[8] - christenson

[9]-Chen and Lie

[10]General Circulation Model(GCM)

[11] Scenario

[12]Change Factor

[13] Conference Of Parities (COP)

شرکت مادر تخصصی توانیر، (1391)‌. 45‌سال صنعت برق در آیینه آمار 1390-1346. مهر91‌، ص 65.
 مرکز آمار ایران، (1389). نتایج آمارگیری از مقدار مصرف انرژی در کارگاه‌های صنعتی 10 نفر کارکن و بیشتر 1389-1382، 24 صفحه.
 بابائیان، ا.، نجفی‌نیک ز.، زابل‌عباسی ف.، حبیبی نوخندان م.، ادب ح.، ملبوسی ش، (1388). ارزیابی تغییر اقلیم کشور در دورۀ 2039-2010 میلادی با استفاده از ریزمقیاس‌نمایی داده‌های مدل گردش عمومی جوّ ECHO-G.‌، مجلۀ جغرافیا و توسعه، 16: 162-135.
 باباییان، ا، عرفانی، ع، کریمیان،م، مدیریان، ر، (1393). شبیه‌سازی اثر تغییر اقلیم بر مصرف برق کشور در دورۀ 2100-2011 با استفاده از ریزمقیاس‌‌نمایی برونداد مدل گردش عمومی جوّ با استفاده از مدل‌HADCM، دهمین همایش بین‌المللی انرژی‌، شهریور1393.
شائمی برزکی، اکبر؛ حبیبی نوخندان، مجید، (1388). گرمایش جهانی پیامدهای زیستی‌– اکولوژیکی، انتشارات ترجمان خرد. ص210.
 صبوری، غ‌. موسوی بایگی، م؛ هاشمی نیا، م؛ بابائیان، ا، (1393). مطالعۀ تغییرات پهنه‌های اقلیمی ایران در دورۀ 2099-2010 تحت پدیدۀ گرمایش جهانی با استفاده از ریزمقیاس‌نمایی مدل‌های گردش عمومی جوّ، پایان‌نامۀ کارشناسی ارشد، دانشگاه فردوسی مشهد.
Boer GJ, Stouffer RJ, Dix M, Noda A, Senior CA, Raper S, et al(2001). Projections of future climate change. In: Houghton JT, Ding Y, Griggs DJ, Noguer M, van der Linden PJ, Dai X, et al., editors. Climate change: the scientific basis. Cambridge: Cambridge University Press; 2001. p. 525–542.
Chen, GH. Lie, TT (2010). The impact of climate change on New Zealand’s electricity demand. Probability methods applied to power systems (PMAPS) pp. 808–813. Singapore: IEEE.
Christenson, M., Manz, H., Gyalistras, D., (2005). Climate warming impact on degree-daysand building energy demand in Switzerland. Energy conversion and management, 47 (6):671-686.
Golombek R, Kittelsen SA, Haddeland I. Climate change: impacts on electricity markets in Western Europe. Climatic Change 2012; 113:357–70.
IPCC. (2007). Inter-governmental panel on climate change – Fourth assessment
Report (AR4). Cambridge, UK; New York, US: Cambridge UniversityPress.
IPCC, 2013, Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp.
Eoropean Commission,) 2011(, The impact of climate change on Europe’s electricity demand, DG of Environmental News Alert Service, New Alert, No. 223.
Miller N, Jin J, Hayhoe K, Auffhammer M. Climate change, extreme heat and electricity demand in California. Berkley: California Energy Commission; 2007
Ruiter, A. (2012). "Delta-Change approach for CMIP5 GCMs." Royal Netherlands Meteorological Institute, Trainee report, 336p
(16).Roshan, Gh.R.,Orosa, J., Nasrabadi, T., 2012, Simulation of Climate Change Impact on
Energy Consumption in Buildings, Case Study of Iran, Energy Policy, Vol. 49, PP.
731-739.
Semenov, M.A., Barrow, E.M., 2002, LARS-WG a Stochastic Weather Generator for Use in Climate Impact Studies, user's Manual, Version3.0,
Shankar N. Chandramowli , Frank A(2010). Felder Impact of climate change on electricity systems and markets, Sustainable Energy Technologies and Assessments journal,volume 5,March 2010, issn 2212 - 1388
Shakouri H, Nadimi R, Ghaderi F. A hybrid TSK-FR model to study short-term variations of the electricity demand versus the temperature changes. Expert SystAppl 2009; 36(2):1765–72
Thatcher, M., (2006). Modelling changes to electricity demand load duration curves as a
Consequence of predicted climate change for Australia. Energy 32, 1647-1659
US EPA (2013). Sources of Greenhouse Gas Report. Retrieved 15 January 2013, from United States Environment Protection Agency (US EPA)
Zaman, H, Shakouri, H (2010).A combined 2-dimensional fuzzy regression model to study the effects of climate change on electricity consumption in Iran. In: International conference on energy, power and control (EPC-IQ), Basrah, Iraq: IEEE.