طراحی مدلی برای قیمت‌گذاری فناوری بیوگاز در ایران با رویکرد پویایی سیستم

بهمردی کلانتری, رستم; توفیق, علی اصغر; شفیعا, محمد علی

طراحی مدلی برای قیمت‌گذاری فناوری بیوگاز در ایران با رویکرد پویایی سیستم

نوع مقاله : علمی- پژوهشی

نویسندگان

¹ دانشجوی کارشناسی ارشد مدیریت فناوری و نوآوری، دانشگاه صنعتی امیرکبیر

² دانشیار دانشکدۀ مدیریت و مهندسی سیستم‌ها، دانشگاه صنعتی امیرکبیر

³ دانشیار دانشکدۀ مهندسی صنایع، دانشگاه علم و صنعت ایران

چکیده

افزایش تقاضا برای انرژی، محدودبودن منابع انرژی فسیلی، و انتشار گازهای گل‌خانه‌ای سبب افزایش توجه به انرژی‌های تجدیدپذیر شده ‌است. یکی از مسائل عمده در این زمینه تعیین روش مناسب قیمت‌گذاری است. در قیمت‌گذاری فناوری‌های تجدیدپذیر متغیرهای کلان و خرد زیادی دخیل‌اند که ترکیب آن‌ها حالت‌های عدم اطمینان زیادی را ایجاد می‌کنند؛ بنابراین، طراحی مدلی که علاوه‌بر متغیرها روابط متقابل آن‌ها را نیز شامل شود سبب افزایش دقت قیمت‌گذاری می‌شود. در این مقاله با استفاده از روش پویایی‌شناسی سیستم‌ها و شبیه‌سازی مونت کارلو تأثیرگذاری متغیرها در یک‌دیگر و مقادیر احتمالی آن‌ها در آینده تعیین شده است و سپس با استفاده از شبیه‌سازی مدل قیمت فناوری در آینده مشخص می‌شود. نتیجه این‌که متغیرهای دولتی به‌نسبت بازار تأثیر بیش‌تری در قیمت و توسعۀ فناوری دارند. درنهایت، مشخص شد که یارانه بالاترین تأثیر را در روند گسترش و تعیین قیمت فناوری‌های انرژی تجدیدپذیر دارد.

کلیدواژه‌ها

عنوان مقاله [English]

A Model for the Biogas Technology Pricing in Iran Using a System Dynamics Approach

نویسندگان [English]

Rustam Behmardi ¹
Ali Asghar Tofigh ²
Mohammad Ali Shafia ³

¹ MSc in Engineering, Technology and Innovation management, Amirkabir University of Technology

² Associate Professor, Department of Industrial Engineering and Management Systems, Amirkabir University of Technology

³ Associate Professor, Department of Industrial Engineering, University of Science and Technology

چکیده [English]

Renewable energies have attracted more attention due to the increase in the demand for energy, limited fossil fuel resources, and rising greenhouse gas emissions. However, high investment costs can be considered as one of the major problems for the development of renewable energy technologies. In this study, we design a model to investigate the relationship between price, biogas technology development, and the benefits of stakeholders based on the system dynamic approach. The results of various simulation scenarios show that the state variables have greater effect on the technology development price than the market variables. Moreover, the results reveal that the government subsidies are more influential in the process of the technology development and pricing, compared to the other state variables.

کلیدواژه‌ها [English]

Learning Curve؛ Monte Carlo؛ Renewable Energy؛ System Dynamic JEL Classification: C13
C81

مراجع

عدل، مهرداد و ابوالقاسم علی‌قارداشی (1380)، «بیوگاز در ایران (پتانسیل موجود، استحصال فعلی، دورنمای آینده)»، در: مجموعه‌مقالات سومین همایش ملی انرژی، تهران: کمیتۀ ملی انرژی جمهوری اسلامی ایران، معاونت امور برق و انرژی وزارت نیرو.

فطرس، محمدحسن، اکبر آقازاده، و سودا جبرائیلی (1393)، «رابطۀ علّیت پانلی بین مصرف انرژی تجدیدپذیر و رشد اقتصادی؛ مقایسۀ مناطق مختلف جهان»، پژوهش‌نامۀ اقتصاد کلان، ش 18.

Aslani, Alireza, Petri Helo, and Marja Naaranoja (2014), “Role of Renewable Energy Policies in Energy Dependency in Finland: System Dynamics Approach”, Applied Energy, vol. 113.

Baashe, Jmae R. and Michael G. Duer (1975), “International Transfer of Technology: A Worldwide Survey of Chief Executive”, in: The Conference Board, New York.

ETSAP, IEA (2015), “Biomass for Heat and Power” in: International Renewable Energy.

Fleten, S. E., Karl Magnus Maribu, and Ivar Wangensteen (2007), “Optimal Investment Strategies in Decentralized Renewable Power Generation under Uncertainty”, Energy, vol. 32.

Forrester, J. (1989), “The Beginning of System Dynamics-Banquet”, Talk at the International Meeting of the System Dynamics Society Stuttgart:

<http://sysdyn.clexchange.org/sdep/papers. D-4165-1.pdf>.

Hemingway, James (2015), Renewable Electricity Capacity and Generation, Departeman of Energy & Climate Change (ed.), DECC Press Office.

IEA/ OECD. (2000), “Experience Curves for Energy Technology Policy”, Paris, France: International Energy Agency.

International Index of Energy Security Risk (2015), Institute for 21st Century Energy.

Jeon, Chanwoong and Juneseuk Shin (2014), “Long-Term Renewable Energy Technology Valuation Using System Dynamics and Monte Carlo Simulation: Photovoltaic Technology Case”, Energy, vol. 66.

Junginger, Martin et al. (2006), “Technological Learning in Bioenergy Systems”, Energy Policy, vol. 34.

Kumbaroğlu, Gürkan, Reinhard Madlener, and Mustafa Demirel (2008), “A Real Options Evaluation Model for the Diffusion Prospects of New Renewable Power Generation Technologies”, Energy Economics, vol. 30.

McDonald, Alan and Leo Schrattenholzer (2001), “Learning Rates for Energy Technologies”, Energy Policy, vol. 29.

Neij, Lena (2008), “Cost Development of Future Technologies for Power Generation; A Study Based on Experience Curves and Complementary Bottom-up Assessments”, Energy Policy, vol. 36.

Norin, Erik (1998), “BIOGAS–Eller vad man kan göra av ruttna äpplen”, Swedish Biogas Association, Stockholm.

Sovacool, Benjamin K. and A. Brown Marilyn (2010), “Competing Dimensions of Energy Security: An International Perspective”, Annual Review of Environment and Resources, vol. 35.

UK’s Department for Environment, Food and Rural Affairs/ DEFRA (2011), “Anaerobic Digestion Strategy & Action Plan”, in: University, Washington State, “Freight Policy Transportation Institute”:.

http://www.biogaschina.org/index.php?option=com_flexicontent&view=category&cid=18&Itemid=35&lang=en20080422.

http://www.fs-unep-centre.org.

http://www.ocw.mit.edu/terms. 2010.

http://www.jrc.ec.europa.eu.

http://www.pwc.co.uk.