رتبه‌بندی کارایی نیروگاه های برق ایران با استفاده از روش ابرکارایی: کاربرد دو روش لین-چن و LJK

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار اقتصاد دانشگاه تبریز

2 کارشناس ارشد اقتصاد دانشگاه تبریز

چکیده

امروزه با توسعه روزافزون جوامع، تقاضا برای انواع انرژی از جمله انرژی برق افزایش قابل توجهی یافته­است. از این­رو، توجه به بهره­وری انرژی به­ویژه انرژی برق امری ضروری به نظر می­رسد. با توجه به وجود نیروگاه­های متعدد در سراسر کشور و نیز بالا بودن هزینه تأسیس، تعمیر، نگهداری و تأمین قطعات نیروگاه جدید، محاسبه کارایی نیروگاه­های موجود و رتبه­بندی و مقایسه­ آن­ها با یکدیگر از لحاظ میزان کارایی می­تواند اقدامی مفید برای استفاده بهینه از ظرفیت تولید نیروگاه­های موجود و رساندن آن­ها به بالاترین سطح کارایی و بهره­وری ممکن باشد. روش­های گوناگونی برای محاسبه کارایی و رتبه­بندی واحدهای تصمیم­گیرنده (DMUs) وجود دارد که تحلیل پوششی داده­ها (DEA) و به­ویژه روش ابرکارایی یکی از مهمترین آن­ها به­شمار می­رود. در این مقاله اقدام به رتبه­بندی کارایی نیروگاه­های حرارتی ایران در سال 1395 با استفاده از مدل ابرکارایی لین و چن (2018) و مدل ابرکارایی LJK (2007) و مقایسه نتایج آن­ها با یکدیگر شده است. طبق ارزیابی هر دو روش، نیروگاه­های سیکل ترکیبی از نظر کارایی معمولاً رتبه­های بهتر و نیروگاه­های گازی رتبه­های پایین­تری را کسب کرده­اند ولی در تقسیم­بندی از لحاظ دولتی و خصوصی بین دو روش اتفاق­نظر وجود ندارد به­عبارتی با استفاده از مدل لین و چن نیروگاه­های بخش دولتی و با استفاده از مدل LJK نیروگاه­های بخش خصوصی دارای عملکرد بهتری بوده­اند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Efficiency Ranking of Iranian Power Plants Using Super Efficiency Method

نویسندگان [English]

  • Sakineh Sojoodi 1
  • Laleh Dastmalchi 2
  • Hadi Neshat 2
1 Assistant Professor of Economics, University of Tabriz
2 MA. in Economics,, University of Tabriz
چکیده [English]

Nowadays, by increasing development of societies, the demand for various types of energy, including electricity, has increased significantly. Therefore, it seems necessary to pay attention to energy efficiency, especially electricity. Due to the existence of several power plants throughout the country, as well as the high cost of establishing, repairing, maintaining and supplying new power plant components, calculating the efficiency of existing power plants and ranking them and comparing them with each other in terms of efficiency can be a useful step to make the most of the existing production capacity of existing power plants and bring them to the highest possible level of efficiency and productivity. There are a variety of methods for calculating the efficiency and ranking of decision making units (DMUs), one of the most important of them is data envelopment analysis (DEA), especially the super-efficiency method. In this paper, the efficiency of Iran's thermal power plants in 2016 has been ranked using the super efficiency model.

کلیدواژه‌ها [English]

  • data envelopment analysis (DEA)
  • ranking
  • Super Efficiency
  • Decision Making Units (DMUs)
  1. ابراهیمی­مهر، محمدرضا (1389)، مقدمه­ای بر تجزیه و تحلیل کارایی و بهره­وری، تیم کوئلی، مؤسسه مطالعات و پژوهش­های بازرگانی.
  2. اسفندیار، محمد، فلاح جلودار، مهدی، و درویش متولی، محمد­حسین (1390). طراحی مدل تلفیقی برای ارزیابی عملکرد کارکنان دانشگاه­ها با استفاده از تحلیل پوششی داده­ها و مجموعه­های فازی. فصل­نامه پژوهشگر (مدیریت)، (8)22، 24-35.
  3. پورکاظمی، محمدحسین، و حیدری، کیومرث (1381). استفاده از تحلیل پوششی داده­ها (DEA) در ارزیابی کارایی نیروگاه­های حرارتی تولید برق کشور. مجله مدرس علوم انسانی، 6(1)، 35-54.
  4. جعفری، فتانه، دیباچی، حسین، و ایزدی­خواه، محمد (1396). ارزیابی کارایی و رتبه­بندی شرکت­های برق منطقه­ای ایران با استفاده از DEA تصاعدی در حضور توزیع نرمال. دهمین کنفرانس بین­المللی انجمن تحقیق در عملیات ایران. بابلسر: انجمن ایرانی تحقیق در عملیات.
  5. جواهری، زهرا، و خامنه، امیرحسین (1388). ارزیابی عملکرد نیروگاه­های حرارتی ایران با استفاده از روش تحلیل پوششی داده­ها. اولین کنفرانس صنعت نیروگاه­های حرارتی، پردیس دانشکده­های فنی دانشگاه تهران.
  6. سایت رسمی شرکت توانیر، گزارش‌های آماری صنعت برق، (www.tavanir.org.ir).
  7. شاهین، آرش، ملک­پور، هیوا، توان، فرشته، و کرمی، معصومه (1392). رتبه­بندی نیروگاه­های برق تجدیدپذیر با استفاده از تحلیل پوششی داده­ها، مورد مطالعه: نیروگاه­های برق­آبی کشور در سال 1390. دومین کنفرانس ملی مهندسی صنایع و سیستم­ها، دانشگاه آزاد اسلامی واحد نجف­آباد.
  8. شفیعی نیک­آبادی، محسن، شاهرودی، کامبیز، اویسی عمران، اکرم، و خسروی، محمدرضا (1397). ارزیابی کارایی شرکت­های برق منطقه­ای ایران با استفاده از تحلیل پوششی داده­ها و شبکه­های عصبی. فصل­نامه مطالعات مدیریت صنعتی، 16(51)، 181-206.
  9. شهیکی­تاش، محمدنبی، خواجه­حسنی، مصطفی، و جعفری، سعید (1394). محاسبه کارایی زیست محیطی در صنایع انرژی­بر ایران با استفاده از رویکرد تابع فاصله جهت­دار. فصل­نامه نظریه­های کاربردی اقتصاد، 2(1)، 99-120.
  10. صدرائی جواهری، احمد، و حسین استادزاد، علی (1393). برآورد کارایی نیروگاه­های برق تجدیدپذیر و فسیلی: مطالعه استانی در ایران. مجله مطالعات اقتصادی ایرانیان (IJES)، 3(2)، 19-42.
  11. عسکری رباطی، غلام­حسین، و حبیبی محلی، غلام­رضا (2016). ارزیابی عملکرد و مقایسه کارایی نیروگاه­های برق با استفاده از تکنیک تحلیل پوششی داده­ها. کنفرانس بین­المللی مهندسی صنایع و مدیریت، تهران، دبیرخانه دائمی کنفرانس.
  12. فلاحی، محمدعلی، و احمدی، وحیده (1384). ارزیابی کارایی شرکت­های توزیع برق در ایران. مجله تحقیقات اقتصادی، 40(4)، 297-320.
  13. قلی­پور خطیر، فاطمه، مزیکی، علی، و حوری جعفری، حامد (1397). اثر حذف یارانه­ها بر کارایی فنی نیروگاه­های تولید برق در ایران. فصل­نامه مطالعات اقتصاد انرژی، 14(57)، 125-146.
  14. متفکرآزاد، محمدعلی، پورعباداللهان­کویچ، محسن، فلاحی، فیروز، رنج­پور، رضا، و سجودی، سکینه (1393). محاسبه کارایی فنی نیروگاه­های حرارتی کشور و بررسی عوامل مؤثر بر آن: روش تصادفی ناپارامتریک پوششی داده­ها. فصل­نامه تحقیقات اقتصادی، 49(1)،93-113.
  1. Adler, N., Friedman, L., & Sinuany-Stern, Z. (2002). Review of ranking methods in the data envelopment analysis context. European journal of operational research, 140(2), 249-265.
  2. Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management science, 39(10), 1261-1264.
  3. Askari Robati, G., Habibi Mahalli, G. (2016). Evaluate the performance and compare the efficiency of power plants using data envelopment analysis technique. International Conference on Industrial Engineering and Management, Tehran, (In Persian).
  4.  Azadeh, A., Ghaderi, F., Anvari, M., Izadbakhsh, H., & Dehghan, S. (2007). Performance assessment and optimization of thermal power plants by DEA BCC and multivariate analysis.
  5. Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078-1092.
  6.  Banker, R. D., Charnes, A., Cooper, W. W., Swarts, J., & Thomas, D. (1989). An introduction to data envelopment analysis with some of its models and their uses. Research in governmental and nonprofit accounting, 5, 125-163.
  7. Bazaraa, M. S., Jarvis, J. J., & Sherali, H. D. (2011). Linear programming and network flows. John Wiley & Sons.
  8. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.
  9. Chen, C. M. (2013). Super efficiencies or super inefficiencies? Insights from a joint computation model for slacks-based measures in DEA. European Journal of Operational Research, 226(2), 258-267.
  10. Chen, Y. (2004). Ranking efficient units in DEA. Omega, 32(3), 213-219.
  11. Chen, Y. (2005). Measuring Super Efficiency in DEA in the Presence of Infeasibility. European Journal of Operational Research, 161: 545-551.
  12. Chen, J. X., Deng, M., & Gingras, S. (2011). A modified super-efficiency measure based on simultaneous input–output projection in data envelopment analysis. Computers & Operations Research, 38(2), 496-504.
  13. Chen, Y., Du, J., & Huo, J. (2013). Super-efficiency based on a modified directional distance function. Omega, 41(3), 621-625.
  14. Chen, Y., & Liang, L. (2011). Super-efficiency DEA in the presence of infeasibility: One model approach. European Journal of Operational Research, 213(1), 359-360.
  1. Cook, W. D., Liang, L., Zha, Y., & Zhu, J. (2009). A modified super-efficiency DEA model for infeasibility. Journal of the Operational Research Society, 60(2), 276-281.
  2. Ebrahimi Mehr, M.R. (2009). An introduction to efficiency and productivity analysis. Coelli,T., Institute of Business Studies And Research, (In Persian).
  3. Esfandyai Mohammad, Fallah Jelodar Mehdi,Darvish Motevali Mohammad Hosein (2011). A Combination Model Design For University Employees Performance Appraisal, Using Data Envelop Analysis And Fuzzi Logic Set (A Case Study). Journal Of Management, Volume  8 , Number  22 ; Page(s) 24 To 35, (In Persian).
  4. Falahi M.A., Ahmadi V., Measuring The Efficiency of Iranian Electricity Distribution Companies, Tahghighat-e-Eghtesadi   Winter 2006 , Volume 40 , Number 4; Page(s) 297 To 320, (In Persian).  
  5. Jafari, F., Dibachi, H. & Izadikhah, M. (2017). Evaluating the efficiency and ranking of regional electricity companies in Iran using random DEA in the presence of normal distribution. 10th International Conference of the Iranian Operations Research Association. Babolsar: Iranian Operations Research Association, (In Persian).  
  6.  Javaheri, Z., Khameneh, A., (2009). Evaluation Performance of Iranian Thermal Power Plants Using Data Envelopment Analysis Method. The First National on The Thermal Power Plants Instudy. Tehran University.
  7. Lee, H. S., Chu, C. W., & Zhu, J. (2011). Super-efficiency DEA in the presence of infeasibility. European Journal of Operational Research, 212(1), 141-147.
  8. Lee, H. S., & Zhu, J. (2012). Super-efficiency infeasibility and zero data in DEA. European Journal of Operational Research, 216(2), 429-433.
  9. Li, S., Jahanshahloo, G. R., & Khodabakhshi, M. (2007). A super-efficiency model for ranking efficient units in data envelopment analysis. Applied mathematics and computation, 184(2), 638-648.
  10. Lin, R., & Chen, Z. (2015). Super-efficiency measurement under variable return to scale: an approach based on a new directional distance function. Journal of the Operational Research Society, 66(9), 1506-1510.
  11. Lin, R., & Chen, Z. (2018). Modified super-efficiency DEA models for solving infeasibility under non-negative data set. INFOR: Information Systems and Operational Research, 56(3), 265-285.
  12. Liu, C. H., Lin, S. J., & Lewis, C. (2010). Evaluation of thermal power plant operational performance in Taiwan by data envelopment analysis. Energy policy, 38(2), 1049-1058.
  13. Motafakker Azad, M., Pourebadollahan Covich, M., Fallahi, F., Ranj Pour, R., Sojoodi, S., (2014). Measuring the Technical Efficiency of Iranian Thermal Power Plants and Analysis of its Determinants: Application of Stochastic Nonparametric Data Envelopment Method, Tahghighate Eghtesadi, 106, 93-113, (In Persian).
  14. Mehrabian, S., Alirezaee, M. R., & Jahanshahloo, G. R. (1999). A complete efficiency ranking of decision making units in data envelopment analysis. Computational optimization and applications, 14(2), 261-266.
  15. Meng, X. L., & Shi, F. G. (2017). An extended inequality approach for evaluating decision making units with a single output. Journal of inequalities and applications, 2017(1), 199.
  16. Pourkazemi, M.H., Heydari,K. (2002). Data Envelopment Analysis And Its Application In Evaluating The Efficiency of Power Plants In Iran. Modern Human Sciences, Volume 6, Number 1 (Tome 24); Page(s) 35 To 54, (In Persian).
  17. Sadraei Javaheri, A., Ostadzad, A. (2014). Estimating Efficiency of Thermal and Hydroelectric Power Plants in Iranian Provinces, Economics Studies (JELS), Volume 3, Issue 2, Pages 19-42, (In Persian).
  18. Saglam, Ü. (2018, November). The Efficiency Assessment of Renewable Energy Sources with Data Envelopment Analysis. In 2018 Annual Meeting of the Decision Sciences Institute Proceedings, Chicago IL.
  1. Sarica, K., (2017). Parametric VS. Non-Parametric Efficiency Assessment: Case of Power Plants in Turkey, Journal of the Faculty of Engineering, Vol. 22, No. 3.
  2. Seiford, L. M., & Zhu, J. (1999). Infeasibility of super-efficiency data envelopment analysis models. INFOR: Information Systems and Operational Research, 37(2), 174-187.
  3.  Shafee Nikabadi, M., Shahroodi, K.,  Oveysiomran, A. & Khosravi, M., (2019). Inputs and Outputs Selection of Data Envelopment Analysis to Evaluate the Performance of Regional Electricity Companies in Iran by Neural Network. Industrial Management Studies, Volume 16, Issue 51, Pages 181-206, (In Persian).
  4. Shahiki Tash, Mohammadnabi,   Hasani, Mostafa Khajeh &    Jafari, Saeid (2015). Assessment of the Environmental Performance in Energy Intensive Industries of Iran by Using Directional Distance Function Approach, Applied Theorical of Economics, Volume 2, Issue 1, Pages 99-120, (In Persian).  
  5. Shahin, A., Malekpoor, H., Tavan, F. & Karami, M. (2013). Ranking of Renewable Power Plants Using Data Envelopment Analysis, Case Study: Hydropower Plants in 2011. Second National Conference on Industrial and Systems Engineering, Islamic Azad University of Najaf Abad, (In Persian).
  6. Tone, K. (2001). A Slack-Based Measure of Super Efficiency in Data Envelopment Analysis. European Journal of Operational Research.
  7. Golany, B., Roll, Y., & Rybak, D. (1994). Measuring efficiency of power plants in Israel by data envelopment analysis. IEEE transactions on engineering management, 41(3), 291-301.
  8. Gholipour Khatir, F., Mazyaki, A., Houri Jafari, H., Effect of Cutting Subsidies on Technical Efficiency of Power Plants in Iran. QEER. 2018; 14 (57) :125-146, (In Persian).
  9. Yang, T., Chen, W., Zhou, K., & Ren, M. (2018). Regional energy efficiency evaluation in China: A super efficiency slack-based measure model with undesirable outputs. Journal of cleaner production, 198, 859-866.
  10. Zhu, J., (1996). Robustness of the efficient DMUs in data envelopment analysis. European Journal of operational research, 90(3), 451-460.