fa مدیریت تقاضای انرژی الکتریکی توسط مصرف‌کنندگان بزرگ صنعتی با استفاده از دسته‌بندی و زیر دسته‌بندی‌های ویژه: مطالعه موردی صنعت سیمان و شیشه تخصصي Special پژوهشي Research <span style="letter-spacing:-.2pt;"><span style="font-family:b zar;"><span style="font-size:9.0pt;">استفاده از مفهوم پاسخگوی بار (تقاضا) یکی از روش‌های مؤثر برای بهینه سازی و تعدیل مصرف انرژی الکتریکی است. پاسخ به تقاضای مبتنی بر زمان معمولاً براساس دسته بندی‌های کلی شامل صنعت، کشاورزی، تجاری، مسکونی طراحی می‌شود. به‌دلیل یکسانی تعرفه‌های قیمت‌گذاری عمومی در هر دسته بندی، این روش بعضاً با مشکلاتی مواجه می‌گردد. یکی از مشکلات بارز پاسخ به تقاضای مبتنی برزمان غیر فعال (پسیو)، انتقال بار بیش از حد می‌باشد. دراین مقاله با انجام زیر دسته بندی برای هر دسته و معرفی تعرفه‌های ویژه برای همان زیر دسته‌ها، نوع جدیدی از پاسخ به تقاضای مبتنی بر زمان را&nbsp; ارائه شده است. این مدل جدید علاوه بر بهینه سازی الگوی مصرف زیر دسته، سبب بهبود مصرف کلی ناحیه‌ای که آن زیر دسته نیز قرار دارد، می&shy;گردد. جهت بررسی و تصدیق روش کار با استفاده از داده‌های واقعی به مطالعه موردی در صنایع شیشه و سیمان پرداخته شده است. الگوریتم‌های ژنتیک و توده ذرات جهت بهینه سازی تابع هدف به‌کار برده شده&nbsp; است. با استفاده از&nbsp; اطلاعات حاصل از ممیزی انرژی در این دو صنعت و با توجه به تقسیم بندی بارها بر مبنای زمان استفاده ملاحظه شده است تعرفه گذاری بر مبنای پاسخ گویی بار موجب جابجایی بار و کاهش مصرف انرژی الکتریکی در صنعت شیشه و سیمان خواهد شد. بررسی‌ها حاکی از آن&nbsp; است که روش پیشنهادی به ویژه در صنایع سه شیفته کاربرد خواهد داشت.</span></span></span><br> &nbsp; Demand Response (DR) is an effective method for electricity coservation. Time-based demand response is basically based on general categorization of consumers including industrial, agricultural, commercial, and residential subscribers. Due to identicalness of &nbsp;tariffs within each category, &nbsp;time-based (PTB) demand response generally leads toexcessive load transfer. In this paper, with the subcategorization of each category and introduction of different tariffs for each subcategory, a new type of time-based demand response is introduced. It is expected that this proposal will lead to better consumption pattern within subcategories as well as its encompassing category. &nbsp;&nbsp;To validate the proposed scheme we have used real data for the case of glass and cement industries. Genetic algorithms and particle swarm are used to optimize the objective function. Usind data garnered from energy audits in these industries and categorizing&nbsp; load data in accordance to their time of use, it has been concluded that demand response tariffs can result into load shifts and reduced&nbsp; electricity consumption. <span dir="RTL"></span><br> &nbsp; مدیریت تقاضا, پاسخ به تقاضای فعال مبتنی بر زمان, الگوریتم ازدحام جمعیت, الگوریتم ژنتیک, کارخانه شیشه و سیمان Demand Side Management, Demand response, ATB-DR, PSO, GA, Cement and Glass Factory 197 227 http://epprjournal.ir/browse.php?a_code=A-10-35-3&slc_lang=fa&sid=1 Ebrahim Nikkah Jourshari ابراهیم نیکخواه جورشری Eng.nikkhah@gmail.com 10031947532846002586 10031947532846002586 No Azad University دانشگاه آزاد اسلامی Reza Efatnezhad رضا عفت نژاد reza.efatnejad@kiau.ac.ir 10031947532846002587 10031947532846002587 Yes Azad University دانشگاه آزاد اسلامی Mahdi Hedayati مهدی هدایتی m.hedayati@kiau.ac.ir 10031947532846002588 10031947532846002588 No Azad University دانشگاه آزاد اسلامی