Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Công cụ phân tích quyết định cho việc mua sắm năng lượng bền vững chiến lược của các doanh nghiệp
Tóm tắt
Việc thu mua năng lượng cho các công ty toàn cầu trở nên ngày càng khó khăn do các cơ hội năng lượng bền vững ngày càng tăng, yêu cầu báo cáo tuân thủ khí nhà kính ngày càng nhiều, những thay đổi trong quy định thị trường điện, và áp lực từ khách hàng yêu cầu các công ty phải bền vững. Với nhiều khía cạnh trong thách thức này, thật khó để cùng một lúc cân nhắc các tùy chọn và đưa ra quyết định thông tin đầy đủ. Trong nghiên cứu tình huống này, chúng tôi phát triển một mô hình đa tiêu chí nhằm hỗ trợ quyết định thu mua năng lượng bền vững của các công ty toàn cầu. Mô hình tổng hợp các chỉ số tính toán và chỉ số dựa trên phán đoán cho cả xem xét môi trường và kinh doanh với phần mềm mô hình quyết định Analytica. Để tạo điều kiện thuận lợi cho việc sử dụng nền tảng mô hình mạnh mẽ này cho các ứng dụng chiến lược đa tiêu chí, chúng tôi triển khai hai mô-đun chung mới, một cho tiện ích đa thuộc tính và một cho bảng chiến lược phân tích quyết định. Chúng tôi sau đó áp dụng mô hình vào một nghiên cứu tình huống thực tế cho một công ty đa quốc gia, sử dụng khung ngẫu nhiên với mô phỏng Monte Carlo để tạo ra một loạt giá trị cho các chiến lược khác nhau. Mô hình này có thể được tái tạo cho các quyết định mua sắm năng lượng tương tự, trong khi các mô-đun có thể được tái sử dụng cho nhiều tình huống mô hình quyết định khác nhau.
Từ khóa
#Năng lượng bền vững #mô hình đa tiêu chí #quyết định năng lượng #chiến lược doanh nghiệp #mô phỏng Monte CarloTài liệu tham khảo
Analytica (2018) Tornado Plots—Analytica Wiki. https://wiki.analytica.com/Tornado_Plots. Accessed 7 Sep 2020
Ayyub BM (2001) Elicitation of expert opinions for uncertainty and risks. CRC Press, Boca Raton
Baxter R (2021) Energy storage financing: project and portfolio valuation. Sandia National Lab.(SNL-NM), Albuquerque
Brede M, De Vries BJM (2013) The energy transition in a climate-constrained world: regional vs. global optimization. Environ Model Softw 44:44–61. https://doi.org/10.1016/j.envsoft.2012.07.011
Capehart BL, Turner WC, Kennedy WJ (2006) Guide to energy management system, fifth. The Fairmont Press Inc, Lilburn
Dowlatabadi H (1998) Sensitivity of climate change mitigation estimates to assumptions about technical change. Energy Econ 20:473–493. https://doi.org/10.1016/s0140-9883(98)00009-7
Eschenbach TG, McKeague LS (1989) Exposition on using graphs for sensitivity analysis. Eng Econ 34:315–333. https://doi.org/10.1080/00137918908902996
Esty DC, Winston AS (2006) Green to gold: how smart companies use environmental strategy to innovate, create value, and build competitive advantage. Yale University Press, London
Ewing B, Baker E (2009) Development of a green building decision support tool: a collaborative process. Decis Anal 6:172–185. https://doi.org/10.1287/deca.1090.0146
Finnerty N, Sterling R, Contreras S et al (2018) Defining corporate energy policy and strategy to achieve carbon emissions reduction targets via energy management in non-energy intensive multi-site manufacturing organisations. Energy 151:913–929. https://doi.org/10.1016/j.energy.2018.03.070
Frostell BM, Sinha R, Assefa G, Olsson LE (2015) Modeling both direct and indirect environmental load of purchase decisions: a web-based tool addressing household metabolism. Environ Model Softw 71:138–147. https://doi.org/10.1016/j.envsoft.2015.05.014
Galbreth MR, Ghosh B (2013) Competition and sustainability: the impact of consumer awareness. Decis Sci 44:127–159. https://doi.org/10.1111/j.1540-5915.2012.00395.x
Google (2011) Google’s green PPAs: what, how, and why. http://www.google.com/green/pdfs/renewable-energy.pdf. Accessed 7 Sep 2020
Guikema S, Milke M (1999) Quantitative decision tools for conservation programme planning: practice, theory and potential. Environ Conserv 26:179–189
Ibáñez-Forés V, Bovea MD, Pérez-Belis V (2014) A holistic review of applied methodologies for assessing and selecting the optimal technological alternative from a sustainability perspective. J Clean Prod 70:259–281. https://doi.org/10.1016/j.jclepro.2014.01.082
Kandakoglu A, Frini A, Ben Amor S (2019) Multicriteria decision making for sustainable development: a systematic review. J Multi-Criteria Decis Anal 26:202–251. https://doi.org/10.1002/mcda.1682
Keeney RL, Raiffa H, Meyer RF (1993) Decisions with multiple objectives: preferences and value trade-offs. Cambridge University Press, Cambridge
Keisler JM (2002) Attribute-based differentiation of alternatives. J Multi-Criteria Decis Anal 11:315–326. https://doi.org/10.1002/mcda.338
Kumar A, Sah B, Singh AR et al (2017) A review of multi criteria decision making (MCDM) towards sustainable renewable energy development. Renew Sustain Energy Rev 69:596–609. https://doi.org/10.1016/j.rser.2016.11.191
Lerche N, Wilkens I, Schmehl M et al (2019) Using methods of multi-criteria decision making to provide decision support concerning local bioenergy projects. Socioecon Plan Sci 68:100594. https://doi.org/10.1016/j.seps.2017.08.002
Lumina (2018) Analytica software (ver 5.0). https://lumina.com. Accessed 28 Mar 2018
Maizlish N, Woodcock J, Co S et al (2013) Health cobenefits and transportation-related reductions in greenhouse gas emissions in the San Francisco Bay Area. Am J Public Health 103:703–709. https://doi.org/10.2105/AJPH.2012.300939
Martínez-García M, Valls A, Moreno A, Aldea A (2018) A semantic multi-criteria approach to evaluate different types of energy generation technologies. Environ Model Softw 110:129–138. https://doi.org/10.1016/j.envsoft.2018.04.003
McKay MD, Beckman RJ, Conover WJ (1979) A comparison of three methods for selecting values of input variables in the analysis of output from a computer code. Technometrics 21:239. https://doi.org/10.1080/00401706.2000.10485979
McKinley G, Zuk M, Höjer M et al (2005) Quantification of local and global benefits from air pollution control in Mexico City. Environ Sci Technol 39:1954–1961. https://doi.org/10.1021/es035183e
McNamee P, Celona JN (2008) Decision analysis for the professional, Fourth. SmartOrg, Incorporated
Morgan MG, Henrion M, Small M (1990) Uncertainty: a guide to dealing with uncertainty in quantitative risk and policy analysis. Cambridge University Press, Cambridge
Mydock S, Pervan SJ, Almubarak AF et al (2018) Influence of made with renewable energy appeal on consumer behaviour. Mark Intell Plan 36:32–48. https://doi.org/10.1108/MIP-06-2017-0116
Porter ME (1998) On competition. Harvard Business School Press, Boston
Senbel M, McDaniels T, Dowlatabadi H (2003) The ecological footprint: a non-monetary metric of human consumption applied to North America. Glob Environ Chang 13:83–100. https://doi.org/10.1016/S0959-3780(03)00009-8
Stadler M, Marnay C, Azevedo IL, et al (2009) The open source stochastic building simulation tool SLBM and its capabilities to capture uncertainty of policymaking in the U.S. building sector. In: 32nd IAEE international conference—energy, economy, environment: the global view
Sterling R, Coakley D, Contreras S, et al (2017) A systematic decision support framework and prioritization method for energy projects in industrial organisations. In: 10TH international conference on sustainable energy and environmental protection. University of Maribor Press
Strantzali E, Aravossis K (2016) Decision making in renewable energy investments: a review. Renew Sustain Energy Rev 55:885–898. https://doi.org/10.1016/j.rser.2015.11.021
The Climate Group (2019) Budweiser puts 100% renewable electricity message at the heart of super bowl commercial. https://www.theclimategroup.org/news/budweiser-puts-100-renewable-electricity-message-heart-super-bowl-commercial. Accessed 26 Jan 2020
Tylock SM, Seager TP, Snell J et al (2012) Energy management under policy and technology uncertainty. Energy Policy 47:156–163. https://doi.org/10.1016/j.enpol.2012.04.040
Wang JJ, Jing YY, Zhang CF, Zhao JH (2009) Review on multi-criteria decision analysis aid in sustainable energy decision-making. Renew Sustain Energy Rev 13:2263–2278. https://doi.org/10.1016/j.rser.2009.06.021
Winston A, Favaloro G, Healy T (2017) Energy strategy for the C-suite. Harv Bus Rev 95(1):139–146