Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Prognozy długoterminowe energii elektrycznej w KSE – wybrane problemy

Tytuł:
Prognozy długoterminowe energii elektrycznej w KSE – wybrane problemy
Long-term forecasts of electric energy consumpti on in the domestic power engineering system – selected issues
Autorzy:
Dąsal, K.
Popławski, T.
Rusek, K.
Powiązania:
https://bibliotekanauki.pl/articles/282367.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
prognozowanie
model ekonometryczny
system elektroenergetyczny
metoda doboru zmiennych
prognoza długoterminowa
moc szczytowa
zużycie energii
forecasting
econometric model
power engineering system
method of choice of variables
long-term forecast
peak power
energy consumption
Źródło:
Polityka Energetyczna; 2012, 15, 4; 71-83
1429-6675
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Istnieje wiele czynników mających znaczenie w procesie prognozowania. Do najważniejszych zaliczyć należy wybór modelu oraz dobór zmiennych objaśniających w przypadku wielowymiarowego modelu ekonometrycznego. W artykule skoncentrowano się na doborze zmiennych, który odgrywa kluczową rolę. Spośród wielu istniejących i znanych algorytmów doboru zmiennych, w artykule przedstawiono autorsko wybrane trzy metody: metodę pojemności integralnej Hellwiga, metodę współczynnika korelacji cząstkowej oraz metodę współczynnika korelacji wielorakiej. Dla każdej z zastosowanych metod podano syntetyczny opis wyjaśniający istotę jej działania. Wybór modelu do opracowania prognoz potraktowano jako mniej istotny, ponieważ dla każdej metody doboru model jest ten sam. Obliczenia wykonano modelem MRK (Model Rozk?adu Kanonicznego), zamieszczając syntetyczny opis modelu. Wykazano na rzeczywistych danych jak zastosowana metoda doboru zmiennych objaśniających wpływa na uzyskane wyniki prognozy zużycia energii elektrycznej na poziomie kraju. W przykładzie obliczeniowym dysponowano potencjalnym zbiorem z siedmioma zmiennymi objaśniającymi. W opracowaniu zawarto 14 różnych prognoz otrzymanych w wyniku zastosowanych 3 metod wyboru zmiennych. Wyniki dopasowania modeli (prognoz wygasłych) oraz prognoz do 2030 roku, przedstawiono w tabelach i na wykresach. We wnioskach zawarto uwagi dotyczące prognoz długoterminowych podstawowych wielkości dotyczących Krajowego Systemu Elektroenergetycznego, mogące mieć wpływ na poprawność ocen tych prognoz. Zwrócono uwagę na problem poprawności oceny prognoz długoterminowych dotyczącej zużycia energii czy mocy szczytowych. Wskazanie prognoz o mniejszym ryzyku pope?nienia dużych błędów umożliwia równoległa analiza prognozy zużycia energii elektrycznej, prognozy szczytów obciążeń z jednoczesnym wyznaczeniem wielkości umożliwiających realność prognoz. Może to przykładowo być wyznaczenie rocznych stopni obciążenia, dla których mamy ściśle określony zakres zmienności. W przypadku dysponowania jedynie prognozę zużycia energii elektrycznej możliwe są inne analizy, przykładowo porównania energochłonności PKB, energochłonności produktów czy gałęzi gospodarki w wybranych krajach. Jeszcze innym, powszechnie stosowanym wskaźnikiem jest roczne zużycie energii elektrycznej na osobę. Prognozy ludności są jednymi z dokładniejszych, stąd ten wskaźnik może być dobrym odniesieniem przy porównywaniu prognoz.

There exist a number of important factors in forecasting processes. The most significant in the case of a multi-dimensional econometric model are the choice of the model and the explanatory variables. This paper focuses on the choice of variables, which plays a crucial role. Among many existing and recognized algorithms for the selection of variables, the following three chosen arbitrarily by the authors are presented: the method of integral capacity by Hellwig, the partial correlation coefficient, and multiple correlation coefficient. For each considered method, a synthetic description explaining its action is given. The choice of the model for making forecasts was treated as less significant because, for each method, the same model is used. Calculations were made using the MRK (Model of Canonical Distribution) model. The synthetic description of the model is also provided. Using real-life data, the analysis demonstrates how the method applied in choosing explanatory variables influences the obtained forecast results concerning the consumption of electric energy on a national scale. In the example calculation, a potential dataset of seven explanatory variables was used. The paper summarizes fourteen different forecasts obtained from three methods of variables selection. The results of model fittings (extinct forecasts) and forecasts until 2030 are presented in the form of tables and charts. Concluding remarks concern long-term forecasts of fundamental quantities related to the Domestic Power Engineering System, which may influence the correctness of these forecasts. Particular attention was paid to the issue of the correctness of long-term forecasts related to energy consumption and peak power. An analysis of the forecast of energy consumption, processed parallel to the determination of quantities assessing the reality of these forecasts, makes it possible to indicate the forecasts endowed with the lowest risk of making excessive errors. For example, it may be possible to consider the determination of annual load levels for which a pre-determined, exact level of variability is given. In situations where only the forecast of electric energy consumption is available, it is possible to develop further analyses such as a comparison of energy consumption for a Domestic Brutto Product, energy consumption for products, or economic branches in selected countries. Yet another indicator in common use is annual energy consumption per capita. Forecasts per capita are among the most exact; therefore, this indicator may be a useful tool for comparison of different forecasts.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies