مدیریت تقاضای انرژی از اهمیت فراوانی در برنامهریزی و تامین امنیت اقتصادی کشورها برخوردار است. شناسایی عوامل موثر بر روند تقاضای انرژی کشور و پیش بینی مصرف آتی آن میتواند به سیاستگذاران و فعالان در بازار انرژی در جهت تصمیمگیریهای اقتصادی و بهبود عملکرد بازار و تامین امنیت سوخت کشور کمک کند. امروزه روشهای نوینی برای مدلسازی و پیش بینی پدیدههای مختلف ابداع گشته است که در میان این روشها الگوریتمهای تکاملی جایگاه ویژه ای دارند. در میان الگوریتمهای تکاملی، الگوریتم ژنتیک و الگوریتم بهینهیابی انبوه ذرات از جمله شناخته شدهترین و پرکاربردترین روشها در علوم مختلف میباشند. از این رو، در این مطالعه برای تخمین و پیش بینی روند تقاضای انرژی کشور از الگوریتمهای ژنتیک و انبوه ذرات در قالب دو الگوی خطی و نمایی استفاده شده و کارایی آنها مورد ارزیابی قرار گرفته است و با استفاده از کاراترین الگو و روش و بر اساس سناریوهای مختلف، روند آتی تقاضای انرژی کشور تا سال 1404 پیش بینی شده است . نتایج مطالعه نشاندهنده دقت وکارایی بالای الگوی نمایی برآورد شده با استفاده از الگوریتم انبوه ذرات در مقایسه با الگوریتم ژنتیک بوده است. همچنین نتایج مطالعه نشان میدهد که کارایی الگوهای خطی برآورد شده با استفاده از هر دو الگوریتم تفاوت محسوسی ندارند. با این حال، بررسی نتایج الگوها و روشهای مختلف برآورد شده کارایی و دقت بالای الگوی نمایی برآورد شده با استفاده از الگوریتم انبوه ذرات را تائید میکند.
Sadeghi H, Zolfaghari M, Sohrabi H, Salmani Y. Application of Genetic Algorithm and Particle Swarm Optimization on Estimating The energy demand. IJE 2012; 15 (2) URL: http://necjournals.ir/article-1-367-fa.html
صادقی حسین، ذوالفقاری مهدی، سهرابی حسین، سلمانی یونس. کاربرد الگوریتم انبوه ذرات و الگوریتم ژنتیک در شبیهسازی و پیشبینی تقاضای انرژی. نشریه انرژی ایران. 1391; 15 (2)