CC BY
37
УДК 332.1
ПРИМЕНЕНИЕ АГЕНТ-ОРИЕНТИРОВАННОГО ПОДХОДА ДЛЯ ОЦЕНКИ ПЕРСПЕКТИВ РАЗВИТИЯ АЛЬТЕРНАТИВНОЙ ЭНЕРГЕТИКИ НА ПРИМЕРЕ ЗАБАЙКАЛЬСКОГО КРАЯ
THE APPLICATION OF THE AGENT-ORIENTED APPROACH FOR ESTIMATION OF THE OPPORTUNITIES FOR ALTERNATIVE ENERGY DEVELOPMENT ON THE EXAMPLE OF TRANSBAIKAL REGION
E. Л. Клевакипа, Институт природных ресурсов, экологии и криологии СО РАН, Забайкальский государственный университет,
г. Чита [email protected]
E. Kevakina, Institute of Natural Resources, Ecology and Cryology SB RAS,
Transbaikal State University, Chita
Рассматривается агент-ориентированная модель, предназначенная для оценки динамики и перспектив внедрения альтернативной энергетики в восточных регионах России. Выполнен обзор моделей, построенных при использовании агентного подхода, которые могут быть использованы для выбора различных альтернатив в процессе перехода к «зеленой экономике». Проанализирован опыт зарубежных стран, в первую очередь ближайшего соседа и одного из мировых лидеров в производстве фотоэлементов — КНР, а также Германии в создании стимулов и механизмов внедрения альтернативной энергетики среди населения. Показано, что при наличии соответствующих природных условий активное использование солнечной энергии в России возможно на уровне домохозяйств, проживающих преимущественно в частном секторе, что будет способствовать сокращению выработки на основе традиционных источников и тем самым влиять на состояние окружающей среды в регионах. Чтобы исследовать эту взаимосвязь, в работе использован индикатор «экоинтенсивность», который позволяет оценить соотношение объемов загрязнения окружающей среды и генерации электроэнергии на уровне основных предприятий-производителей электроэнергии. Предложена региональная мультиагентная комплексная модель с элементами ГИС-технологий, включающая несколько частных моделей — демографическую модель региона с учетом миграционных настроений и модель распространения инноваций, осуществляющих взаимодействие с внешней средой. Действующими агентами в модели являются люди, проживающие в границах соответствующих агентов-муниципальных образований, и крупные производители электроэнергии, которые оказывают негативное воздействие на окружающую среду. Основными агентами в модели являются сельские жители, которые наделены индивидуальными характеристиками, включающими склонность к принятию инноваций, «готовность платить» за производство «чистой» энергии и т.д.; что в совокупности позволит провести модельные расчеты для определения параметров изменения спроса на электроэнергию, вырабатываемую традиционным способом. Заявленная модель позволит определить перспективы внедрения альтернативной энергетики в восточных регионах России, проанализировать возможные сценарии и необходимые условия, выработать рекомендации для поддержки альтернативной энергетики в регионах
Ключевые слова: регион; экономическое развитие; агент-ориентированное моделирование; негативное воздействие на окружающую среду; экоинтенсивность; альтернативные источники энергии; спрос на электроэнергию; агент-ориентированный подход; Забайкальский край; региональная комплексная модель
The article considers the agent-based model application for evaluation of dynamics and opportunities for implementation of alternative energy sources in the Eastern regions of Russia. The article includes a brief review of the models built with agent-based approach that can be used for estimation of alternatives in the process of transition to a «green economy». The author analyzes the experience of foreign countries, such as Germany and China, which is the nearest neighbor and one of the world leaders in the production of solar cells, in creating of incentives and mechanisms for the implementation of alternative energy sources among the population. It is shown that active use of solar energy in Russia is possible at the household level in the appropriate climate conditions
for rural households. It will contribute to decreasing of the energy production based on conventional sources and improve the quality of environment in the regions. To explore this relationship, we used the «eco-intensity» indicator, which allows to estimate the ratio of the environmental pollution and generation of electricity at the level of the main producers of electricity. A complex regional multi-agent model with GIS-technologies is suggested that includes several private models. They are demographic model of the region with migration and the model of diffusion of innovation, which are connected with the environment. The agents are the people, who live within the boundaries of the corresponded agents-municipalities, and large-scale producers of electricity that pollutes the environment. The main agents in the model are rural residents who have individual characteristics, including the sensitivity to adopt innovation, «willingness to pay» for the production of «clean» energy, etc.; all of them will allow to carry out calculations to determine the change in the demand for electricity generated by traditional sources. Simulation will assist to identify the opportunities for implementation of alternative energy sources in the Eastern regions of Russia and analyze possible scenarios and necessary conditions to develop recommendations for supporting of alternative energy in the regions
Key words: region; economic development; agent-based modeling; environmental pressure; eco-intensity, alternative energy; demand for electricity; agent-oriented programming; Transbaikal region; regional complex model
Работа выполнена при финансовой поддержке РФФИ (проект № 16-06-00295 а), использованы базы данных, подготовленные в рамках проекта СО РАН (1Х.88.1.6)
В настоящее время агент-ориентированное моделирование (АОМ) становится одним из перспективных методов исследований, посредством которого решается большое количество разнообразных задач. В работах российских ученых (В. Л. Макарова, А. Р. Бахтизина) отмечается, что в последние время появилось такое большое количество моделей (большая часть которых разработана за рубежом) в различных областях исследований, что возникла проблема их стандартизации. Интерес при применении агентного подхода представляет моделирование процессов, связанных с хозяйственной деятельностью человека. Так, одними из первых появились демографические модели. Например, N. ОеаМ, А. Dorin и другие [11] рассматривают модель структуры и динамики домохозяйств, которая разработана с целью изучения взаимодействий между демографическими процессами и процессом распространения эпидемий. Более сложные модели имитируют деятельность экономической системы, в частности S. Ogibayashi, К. ТакаэЫта, Т. Кипйа [13] разработали мультиагентную модель фундаментальной экономической системы, состоящей из производителей, потребителей и банка, которая включает саморегулирующиеся механизмы цен,
производства и инвестиций. Комплексные модели охватывают несколько аспектов деятельности человека, например модель майанского общества, которая предложена Sc. Heckbert [12], моделирует связи между ростом населения, сельскохозяйственным производством, деградацией почв, сменой климата и изменениями экосистемы.
Также существуют модели, которые могут быть использованы для выбора различных альтернатив в процессе перехода к «зеленой экономике». Например, решение, предложенное в работе V. Rai, Sc.A. Robinson [14], моделирует процессы принятия решений домохозяйствами об установке фотоэлементов в масштабах города с учетом демографических, социальных и экологических факторов на основе накопленных ранее сведений об использовании альтернативных источников энергии. В работе I. N. Athanasiadis, A. K. Mentes, P. A. Mit-kas, Y. A. Mylopoulos [10] представлена гибридная агент-ориентированная модель, посредством которой можно оценить потребности населения в воде.
Применение АОМ как инструмента для комплексного моделирования социальных, демографических и экономических процессов в регионе, а также взаимодействия с окружающей средой, представляет собой
особую ценность. В работах российских ученых (В. Л. Макаров, А. Р. Бахтизин) агентный подход в обозначенном контексте используется для моделирования демографических процессов на уровне всей страны в целом [5], также разработаны модели, которые позволяют имитировать взаимоотношения населения, экономики и окружающей природной среды в масштабах региона [6].
В настоящее время вопросы становления «зеленой экономики» стоят перед обществом достаточно остро, в связи с чем моделирование различных процессов, связанных с экономическим развитием на региональном уровне и взаимодействием на окружающую среду, представляется актуальным. Важная роль в экологизации экономики отводится применению альтернативных источников энергии, так как деятельность по производству электрической энергии, базирующаяся на традиционных
источниках, в настоящее время является одним из основных загрязнителей окружающей среды. Воздействие на окружающую среду тепловых электрических станций, широко распространенных на территории Сибири и Дальнего Востока, зависит от используемых в работе технологий и заключается в основном в:
— выбросе различных загрязняющих веществ в атмосферу, в частности твердых частиц (сажи), диоксида серы, оксидов азота и угарного газа;
— образовании отходов производства и потребления, большей частью представляющих отходы пятого класса опасности — золошлаковые отходы;
— заборе воды из природных объектов, преимущественно для нужд охлаждения и других технологических целей;
— сбросе отработанных сточных вод, в том числе с содержанием различных загрязняющих веществ (рис. 1).
Рис. 1. Воздействие на окружающую среду угольной ТЭЦ Fig. 1. The environmental impact of coal-fired power plants
Выбросы станций, использующих в своей работе газ, в основном содержат газообразные вещества — диоксид серы, оксид углерода и оксиды азота, которые сложно поддаются нейтрализации. В структуре выбросов станций, работающих на твердом топливе, значительную часть веществ, оказывающих воздействие на окружающую среду, составляет угольная зола. Величина эмиссий, в том числе парниковых газов, а
также образования золошлаковых отходов зависит от таких факторов, как количество вырабатываемой энергии, характеристики используемого топлива и установленного оборудования. Объемы сброшенных сточных вод в большинстве случаев соответствуют объемам забранной воды. При этом большая часть стоков относится к категории нормативно чистых вод, однако в структуре присутствуют нормативно очи-
щенные сбросы, недостаточно очищенные и сбросы без очистки.
Предприятия-производители характеризуются определенными показателями удельного загрязнения окружающей среды в расчете на 1 кВтч (экоинтенсивностью) реализуемой им энергии:
Е = ^ •
' У
где Е. — экоинтенсивность соответствующего вида воздействия;
Р. — соответствующая экологическая нагрузка;
Y — экономический результат [8]. Таким образом, чтобы оценить соотношение объемов загрязнения окружающей среды и генерации электроэнергии на уровне предприятий, можно использовать следующие индикаторы:
— экоинтенсивность загрязнения атмосферы, кг/тыс. кВтч.;
— экоинтенсивность образования отходов производства и потребления, кг/тыс. квтч.;
— экоинтенсивность забора свежей воды, м3/тыс. кВтч.
Так, в Забайкальском крае действуют три крупнейшие электростанции: Читинская ТЭЦ-1, Харанорская ГРЭС и ТЭЦ ОАО «ППГХО», объемы генерации которых представлены на рис. 2 в соответ-
/По о
ствии со «Схемой и программой развития электроэнергетики Забайкальского края на период 2015-2019 гг.». Рассчитанные для Харанорской ГРЭС индикаторы экоин-тенсивности [9] выработки электрической энергии (табл. 1) показывают, что 1 МВтч «сэкономленной» электрической энергии предотвратит:
— выброс 5,07 кг загрязняющих веществ;
— накопление 53,21 кг отходов преимущественно IV класса опасности;
— забор 12,69 м3 свежей воды.
Таблица 1
Экоинтенсивность выработки электрической энергии на Харанорской ГРЭС, 2013 г. Ecointensity of electrical energy generating at Kharanorskaya HEPS, 2013
Показатель Значение
Выбросы загрязняющих веществ в атмосферу, кг/МВт.ч 5,07
Образование отходов производства, кг/МВт.ч 53,21
Забор воды, м3/МВт.ч 12,69
Между тем Харанорская ГРЭС является одной из наиболее современных станций — последний энергоблок которой введен в действие в 2012 г., остальные станции края начали свою эксплуатацию намного раньше и их оборудование менее совершенно в области охраны окружающей среды.
Существующая система экологических платежей, которые могут быть рассчитаны в соответствии с определенными нормативными документами [8], не стимулирует предприятия энергетики к значительному сокращению выбросов загрязняющих веществ в рамках используемых технологических циклов. Сокращение выработки на основе традиционных источников может быть достигнуто за счет развития альтерна-
тивной энергетики, которая продвигается в России достаточно медленными темпами, что обусловлено отсутствием интереса к ней со стороны крупных энергетических компаний и слабой государственной поддержкой. В то время как Китай, благодаря активной государственной поддержке, в 2013 г. стал одним из мировых лидеров по использованию солнечной (а также ветровой) энергетики — с 2007 г. страна увеличила выпуск фотоэлементов в 20 раз, а общая мощность установок фотовольтаики составляет свыше 28 ГВатт [9]. За прошедшие 30 лет себестоимость производства электроэнергии и стоимость фотоэлектрических преобразователей (в расчете на 1 КВт мощности) сократилась почти в 100 раз [2], что послу-
жило толчком к росту установок по всему миру. Тем не менее, наряду с очевидными выгодами от использования фотовольтаи-ки, существуют определенные проблемы эксплуатации этих систем (табл. 2). Например, в производстве панелей используются и выбрасываются в окружающую среду токсичные элементы, в том числе тяжелые металлы, и не решена проблема их утилизации. Так, если производство фотоэлементов сосредоточено в основном в КНР и не имеет прямого воздействия на загрязнение окружающей среды страны-реципиента технологии, то вопросы утилизации должны решаться в местах использова-
ния. Взятый в России курс на повышение энергоэффективности, ввиду отсутствия налаженного механизма сбора и утилизации ртутьсодержащих энергосберегающих ламп, привел к тому, что, по данным государственной информационной системы в области энергосбережения и повышения энергетической эффективности, около 1 т ртути ежегодно стало попадать на свалки. Таким образом, если рассматривать применение фотовольтаики с позиций заботы об окружающей среде, то вопросы утилизации необходимо решать параллельно с внедрением фотоэлементов.
Шерловогорская ТЭЦ 0,6 %
Приаргунская ТЭЦ 0,6 %
Первомайская ТЭЦ 0,7 %
Читинская ТЭЦ-2 0,9 %
Филиал «Харанорская ГРЭС» 52,0 %
ТЭЦ ППГХО 22,3 %
Читинская ТЭЦ-1 23,0 %
Рис. 2. Структура выработки электроэнергии на территории Забайкальского края, 2013 г. Fig. 2. Structure of power generation in the Transbaikal region, 2013
Таблица 2
Факторы, влияющие на развитие солнечной энергетики Factors influencing the development of solar energy
Факторы, стимулирующие развитие солнечной энергетики Факторы, сдерживающие развитие солнечной энергетики
Наличие положительного опыта в странах Европы, Азии и США Наличие ядовитых веществ в составе фотоэлементов
Рост популярности фотоэлементов Применение токсичных веществ при их производстве
Долговечность: 30-50 лет Проблема их утилизации, которая пока не решена
Развитие рынка батарей
Снижение стоимость фотовольтаики
Экологически чистое производство энергии
Чтобы население переходило на аль- Например, в Германии существует опреде-тернативные источники энергии, необходи- лённая тарифная политика, которая позво-мо вмешательство с стороны государства. ляет покупать экологически чистую энер-
гию по менее дорогим тарифам, а также важную роль играет сформированный престиж потребления энергии альтернативных источников. В КНР поставлена амбициозная цель по массовому распространению источников альтернативной энергии, которая подкрепляется всяческим поощрением со стороны государства, начиная от поддержки производителей фотоэлементов и заканчивая стремлением сделать их доступными для рядовых домохозяйств. В Китае использовать солнечную энергию выгодно, особенно в связи с тем, что в некоторых сельскохозяйственных районах электричество отсутствует.
Несмотря на отсутствие поддержки со стороны государства, при наличии соответствующих природных условий активное использование солнечной энергии в России возможно на уровне домохозяйств. В
частности, в Забайкальском крае 224 солнечных дня в году, что обусловливает целесообразность применения энергии солнца [1]. Преимущество перед применением ветровой энергетики обусловлено тем, что в целом на территории Забайкальского края скорости ветра невелики и наименьшие значения скорость ветра имеет зимой [7], в то время как энергопотребление находится на значительном уровне. В Забайкальском крае целевой сегмент — сельское население — составляет 32,6 % (рис. 3). Основным сдерживающим фактором для населения, безусловно, является высокая стоимость оборудования. Так, в 2014 г. стоимость солнечной станции максимальной мощностью 1 кВт составляла 72 тыс. р., в то время как средняя заработная плата в крае, по данным Федеральной государственной статистический службы — 29318,5 р. (2014).
Рис. 3. Схема потребления электрической энергии в Забайкальском крае Fig. 3. Diagram of consumption of electric energy in Transbaikal Region
В условиях высокой стоимости оборудования и его установки, для того чтобы оценить возможные выгоды от использования альтернативных источников энергии как непосредственно пользователей технологии, так и всего населения в целом за счет сокращения нагрузки на окружающую среду, возможно проведение модельного эксперимента на основе агент-ориентированной
модели. Региональная мультиагентная комплексная модель с элементами ГИС-техно-логий включает несколько частных моделей — демографическую модель региона с учетом миграционных настроений и модель распространения инноваций, осуществляющих взаимодействие с внешней средой (рис. 4).
Рис. 4. Схема работы региональной модели Fig. 4. The scheme of the regional model
Действующими агентами (рис. 5) в модели являются люди, проживающие в границах соответствующих аген-тов-муниципальных образований, и крупные производители электроэнергии, которые оказывают негативное воздействие на окружающую среду. Для определения склонности сельского населения к выбору альтернативных источников энергии (солнечных панелей) и формирования соответствующего поведения агентов в районах модельного региона будет выполнено социологическое исследование, позволяющее определить необходимые параметры. Различные комбинации потенциального сокращения выработки за счет точечного внедрения солнечных панелей позволят оценить сокращение экологической нагрузки на окружающую среду региона и определить оптимальное соотношение выработки с точки зрения сохранения среды обитания. К внешней среде относятся некие экономические, институциональные и иные параметры, потенциально влияющие на готовность населения платить за переход на альтернативные источники энергии.
Рис. 5. Агенты региональной комплексной модели Fig. 5. Agents of the regional integrated model
Выводы. Вопросы, связанные с переходом к низкоуглеродной экономике и повышением качества экономического роста в России, остаются актуальными на протяжении последних десятилетий. Заявленная модель позволит определить перспективы внедрения альтернативной энергетики в восточных регионах России, проанализировать возможные сценарии и необходимые условия, выработать рекомендации для поддержки альтернативной энергетики в регионах. Для дальнейшего использования модели будет разработан специальный про-
граммный продукт (симулятор), реализующий взаимодействие с ней и обеспечивающий проведение модельных экспериментов. Полученные посредством модельного эксперимента эколого-экономические характеристики функционирования системы могут быть использованы для последующей оценки того, как технологические изменения в энергосистеме регионов могут повлиять на переход от «коричневого» роста экономики региона к «зеленому» в условиях развития модели «зеленой» экономики.
Список литературы_
1. Басс М. С., Поликанова Е. Г., Батухтин С. Г. Перспективы использования нетрадиционных источников энергии в системах энергоснабжения Забайкальского края / / Научные проблемы транспорта Сибири и Дальнего востока. 2012. № 1. С. 370—373.
2. Бум развития солнечной энергетики // Priroda.su [Электронный ресурс]. Режим доступа: http:// www.priroda.su/item/8407 (дата обращения: 10.03.2016).
3. Ван дер Вейн А., Глазырина И. П., Мазнева М. А., Фалейчик Л. М., Филатова Т. В. Экологические индикаторы качества экономического роста / / Использование и охрана природных ресурсов в России. 2005. № 6. С. 104-111.
4. Забелина И. А., Иванов С. А., Клевакина Е. А. Развитие энергетики и качество экономического роста: оценка влияния российско-китайского приграничного сотрудничества // Материалы Всерос. на-уч.-практ. конф. «Географические исследования экономических районов ресурсно-периферийного типа». Чита: Институт природных ресурсов, экологии и криологии СО РАН, 2012. С. 108-112.
5. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д. Моделирование демографических процессов с использованием агент-ориентированного подхода // Федерализм. 2014. № 4. С. 37-46.
6. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д. Агент-ориентированная социо-эколого-экономическая модель региона // Национальные интересы: приоритеты и безопасность. 2015. № 3. С. 2-11.
7. Носкова Е. В., Обязов В. А. Ветровой режим Забайкальского края // Ученые записки ЗабГУ. Сер. Естественные науки. 2015. № 1 (60). С. 115—121.
8. Потетенев С. С., Туранова Т. В., Муртазина М. Ш. Автоматизация расчёта размеров экологических платежей за выбросы вредных веществ при сжигании топлива в котельной // Кулагинские чтения (Техника и технологии производственных процессов): XV Междунар. науч.-практ. конф. в 3 ч. Чита: ЗабГУ, 2015. С. 83-87.
9. Солнечная энергетика - новый Клондайк? / / Вести экономика [Электронный ресурс]. Режим доступа: http://www.vestifinance.ru/artides/53546 (дата обращения: 10.03.2016).
10. Athanasiadis I. N., Mentes A. K., Mitkas P. A., Mylopoulos Y. A. A hybrid agent-based model for estimating residential water demand // Simulation. 2005, no. 81 (3), pp. 175-187.
11. Geard N., McCaw J. M., Dorin A., Korb K. B. and McVernon J. Synthetic Population Dynamics: A Model of Household Demography // Journal of Artificial Societies and Social Simulation. 2013. Vol. 16. Issue 8. Режим доступа: http://jasss.soc.surrey.ac.uk/16/1/8.html (дата обращения 10.03.2016).
12. Heckbert Sc. MayaSim: an agent-based model of the ancient maya social-ecological system // JASSS. 2013. Vol. 16 Issue 11. Режим доступа: http://jasss.soc.surrey.ac.uk/16/4/11.html (дата обращения 10.03.2016).
13. Ogibayashi S., Takashima K., Kunita T. Multi-Agent Simulation of Fund Circulation in an Artificial Economic System Involving Self-Adjusted Mechanism of Price, Production and Investment / / ICI Express Letters, vol. 4, no. 3. Режим доступа: https://www.researchgate.net/publication/224114118_Multi-Agent_Simula-tion_of_Fund_Circulation_in_an_Artificial_Economic_System_Involving_Self-Adjusted_Mechanism_of_Price_ Production_and_Investment (дата обращения 10.03.2016).
14. Rai V. and Robinson Sc. A. Agent-Based Modeling of Energy Technology Adoption: Empirical Integration of Social, Behavioral, Economic, and Environmental Factors // Environmental Modelling & Software. 2015, no. 70, pр. 163-177.
List of literature_
1. Bass M. S., Polikanova E. G., Batukhtin S. G. Nauchnye problemy transporta Sibiri i Dalnego vostoka (Scientific problems of transportation in Siberia and the Far East), 2012, no. 1, pp. 370-373.
2. Bum razvitiya solnechnoy energetiki (The boom of solar energy): Priroda.su Available at: http://www. priroda.su/item/8407 (accessed 10.03.2016).
3. Van der Veen A., Glazyrina I. P., Mazneva M. A., Faleichik L. M., Filatov T. V. Ispolzovanie i ohrana prirodnyh resursov vRossii (The use and protection of natural resources in Russia), 2005, no. 6, pp. 104-111.
4. Zabelina I. A., Ivanov S. A., Klevakina E. A. Materialy Vseros. nauch.-prakt. konf. «Geograficheskie issledovaniya ekonomicheskih rayonov resursno-periferiynogo tipa» (Proc. scientific-practical. conf. «Geo-graphical study of economic regions of the peripheral resource-type»). Chita: Institute of Natural Resources, Ecology and Cryology SB RAS, 2012, pp. 108-112.
5. Makarov V. L., Bakhtizin A. R., Sushko E. D. Federalizm (Federalism), 2014, no. 4, pp. 37-46.
6. Makarov V. L., Bakhtizin A. R., Sushko E. D. Natsionalnye interesy: prioritety i bezopasnost (National interests: priorities and security), 2015, no. 3, pp. 2-11.
7. Noskova E. V. Obyazov V. A. Uchenye zapiski ZabGU. Ser. Estestvennye nauki (Scientific notes of ZabGU. Ser.: Science), 2015, no. 1 (60), pp. 115-121.
8. Potetenev S. S., Turanova T. V., Murtazina M. Sh. Kulaginskie chteniya (Tehnika i tehnologii proizvod-stvennyh protsessov) (Equipment and technology of industrial processes): XV Intern. scientific-practical. Conf.: Collected articles in 3 parts Chita: ZabGU, 2015, pp. 83-87.
9. Solnechnaya energetika — novy Klondayk? (Solar energy — a new Klondike?): Keep the economy Available at: http://www.vestifinance.ru/articles/53546 (accessed 10.03.2016).
10. Athanasiadis I. N., Mentes A. K., Mitkas P. A., Mylopoulos Y. A. Simulation (Simulation), 2005, no. 81 (3), pp. 175—187.
11. Geard N., McCaw J. M., Dorin A., Korb K. B. and McVernon J. Journal of Artificial Societies and Social Simulation (Journal of Artificial Societies and Social Simulation), 2013, vol. 16, issue 8 Available at: http://jasss.soc.surrey.ac.uk/16/1/8.html (accessed 10.03.2016).
12. Heckbert Sc. JASSS (JASSS), 2013, vol. 16, issue 11 Available at: http://jasss.soc.surrey. ac.uk/16/4/11.html (accessed 10.03.2016).
13. Ogibayashi S., Takashima K., Kunita T. ICIExpress Letters (ICI Express Letters), vol. 4, no. 3 Available at: https://www.researchgate.net/publication/224114118_Multi-Agent_Simulation_of_Fund_Circula-tion_in_an_Artificial_Economic_System_Involving_Self-Adjusted_Mechanism_of_Price_Production_and_In-vestment (accessed 10.03.2016).
14. Rai V. and Robinson Sc. A. Environmental Modelling & Software (Environmental Modelling & Software), 2015, no. 70, pp. 163—177.
Коротко об авторе _ Briefly about the author
Клевакина Екатерина Александровна, канд. экон. наук, доцент, научный сотрудник, Институт природных ресурсов, экологии и криологии СО РАН, Забайкальский государственный университет, г. Чита, Россия. Область научных интересов: региональная экономика, экологическая экономика, информационная система, межрегиональная дифференциация, агентное моделирование [email protected]
Ekaterina Klevakina, candidate of economic sciences, associate professor, researcher, Institute of Natural Resources, Ecology and Cryology SB RAS, Transbaikal State University, Chita, Russia. Sphere of scientific interests: regional economics, ecological economics, information system, interregional inequality, agent-based modeling
Образец цитирования_
Клевакина E. А. Применение агент-ориентированного подхода для оценки перспектив развития альтернативной энергетики на примере Забайкальского края // Вестник ЗабГУ. 2016. Т. 22. № 7.
С. 109—117.
