Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "coal consumption" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Forecasting global coal consumption: An artificial neural network approach
    Prognozowanie światowego zużycia węgla z zastosowaniem podejścia sztucznych sieci neuronowych
    Autorzy:
    Benalcazar, P.
    Krawczyk, M.
    Kamiński, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/215899.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    forecasting
    coal consumption
    artificial neural network
    prognozowanie
    zużycie węgla
    sztuczna sieć neuronowa
    Opis:
    In the 21st century, energy has become an integral part of our society and of global economic development. Although the world has experienced tremendous technological advancements, fossil fuels (including coal, natural gas, and oil) continue to be the world’s primary energy source. At the current production level, it has been estimated that coal reserves (economically recoverable) would last approximately 130 years (with the biggest reserves found in the USA, Russia, China, and India). The intricate relationship between economic growth, demographics and energy consumption (particularly in countries with coal intensive industries and heavy reliance on fossil fuels), along with the elevated amounts of greenhouse gases in the atmosphere, have raised serious concerns within the scientific community about the future of coal. Thus, various studies have focused on the development and application of forecasting methods to predict the economic prospects of coal, future levels of reserves, production, consumption, and its environmental impact. With this scope in mind, the goal of this article is to contribute to the scarce literature on global coal consumption forecasting with the aid of an artificial neural network method. This paper proposes a Multilayer Perceptron neural network (MLP) for the prediction of global coal consumption for the years 2020–2030. The MLP-based model is trained with historical data sets gathered from financial institutions, global energy authorities, and energy statistic agencies, covering the years 1970 through 2016. The results of this study show a deceleration in global coal consumption for the years 2020 (3 932 Mtoe), 2025 (4 069 Mtoe) and 2030 (4 182 Mtoe).
    W XXI wieku energia stała się integralną determinantą społeczeństwa i światowego rozwoju gospodarczego. Pomimo tego, że świat doświadczył zdecydowanych postępów technologicznych, paliwa kopalne (tj. węgiel, gaz ziemny i ropa naftowa) nadal są głównym źródłem energii na świecie. Szacuje się, że przy obecnym poziomie produkcji zasoby węgla (ekonomicznie możliwe do pozyskania) powinny wystarczyć na około 130 lat (największe rezerwy węgla znajdują się w Stanach Zjednoczonych, Rosji, Chinach i Indiach). Zawiłe relacje między wzrostem gospodarczym, demografią, zużyciem energii (szczególnie w krajach o przemysłach silne uzależnionych od paliw kopalnych) oraz podwyższone ilości gazów cieplarnianych w atmosferze wzbudziły poważne obawy w społeczności naukowej na temat przyszłości węgla. W świetle powyższego, dotychczasowe badania skupiały się na opracowywaniu i stosowaniu metod prognozowania rozwoju rynku węgla, przyszłych poziomów rezerw, produkcji, konsumpcji i wpływu na środowisko. Biorąc pod uwagę powyższe uwarunkowania, celem niniejszego artykułu jest opracowanie metody prognozowania światowego zapotrzebowania na węgiel z wykorzystaniem metody sztucznej sieci neuronowej. W poniższej pracy zastosowano podejście oparte na sieci neuronowej Perceptron Multilayer (MLP) do prognozowania światowego zużycia węgla w latach 2020–2030. Model MLP bazuje na historycznych zestawach danych zebranych od instytucji finansowych, organów i agencji statystycznych pozyskujących dane na temat energii obejmujących lata od 1970–2016. Wyniki niniejszego badania wskazują na spowolnienie światowego zużycia węgla do poziomu 3932 Mtoe w 2020 r., 4069 Mtoe w 2025 r. oraz 4182 Mtoe w 2030 roku.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2017, 33, 4; 29-44
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The impact of long-term contracts of the capacity market on the consumption of steam coal in the power system
    Wpływ kontraktów długoterminowych rynku mocy na zapotrzebowanie na węgiel kamienny energetyczny w krajowym systemie elektroenergetycznym
    Autorzy:
    Komorowska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/27311671.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    capacity market
    coal consumption
    coal power plants
    power system
    system elektroenergetyczny
    rynek mocy
    zapotrzebowanie na węgiel
    jednostka wytwórcza
    Opis:
    The capacity market is a response to potential capacity scarcity in the system. The missing money problem may occur as a result of the dynamic development of renewable energy sources because their capacity factors are significantly lower in comparison to those of conventional generating units. The capacity market is a response to capacity scarcity in dynamic growth in renewable energy sources with lower capacity factors than thermal power plants. It is a support mechanism that provides additional funds in order for generation companies to be ready to produce electricity in system stress events. So far, seven capacity auctions have been held for 2021-2027 delivery periods. Since the vast majority of capacity market units are coal-fired public thermal power plants and combined heat and power plants, the analysis of capacity auction results provides valuable findings on coal consumption in the years to come. With this in mind, the objective of the study is to investigate the potential of coal consumption resulting from the long-term capacity contracts signed thus far. For this purpose, a comprehensive analysis of the capacity auctions’ results is conducted, including the analysis of the duration of the contracts, the structure of ownership, and fuels used in power units. The results show that the figures relating to the consumption of steam coal in units that have won capacity auctions are around 21,306 thousand Mg for 2023 and decreasing to 9,603 thousand Mg for 2035. Although European restrictions were introduced to limit remuneration for high-emission units, the long-term contracts ensure that these will remain in the system and will have an impact on the total consumption of steam coal in the medium- and long-term in the Polish power system.
    Rynek mocy stanowi odpowiedź na potencjalne niedobory mocy zainstalowanej w systemie, które mogą wystąpić na skutek dynamicznego rozwoju odnawialnych źródeł energii, których współczynnik wykorzystania mocy jest znacząco niższy w porównaniu z możliwą dyspozycyjnością konwencjonalnych jednostek wytwórczych. Rynek mocy jest mechanizmem wsparcia zapewniającym dodatkowe wynagrodzenie za pozostanie w dyspozycyjności w systemie oraz dostarczanie mocy w okresach zagrożenia. Dotychczas przeprowadzono siedem głównych aukcji mocy na okres dostaw 2021-2027. Ponieważ zdecydowana większość jednostek, które zawarły umowy mocowe, to elektrownie i elektrociepłownie wykorzystujące węgiel kamienny do produkcji energii elektrycznej, analiza wyników aukcji mocy dostarcza cennych informacji dotyczących potencjalnego zapotrzebowania na węgiel w sektorze energetyki. W świetle zaprezentowanych uwarunkowań, celem artykułu jest przeprowadzenie analizy, która umożliwi oszacowanie potencjalnego wolumenu zapotrzebowania na węgiel kamienny przez jednostki, które są dotychczasowymi beneficjentami rynku mocy. Wyniki wskazują, że zapotrzebowanie na węgiel kamienny energetyczny w jednostkach, które wygrały aukcje, moc wynosi 21 306 tys. Mg w 2023 roku i stopniowo maleje, osiągając poziom 9603 tys. Mg w 2035 r. Należy zwrócić uwagę na fakt, że chociaż w ostatnich latach obowiązują już restrykcje ograniczające wsparcie finansowe dla jednostek wytwórczych przekraczających limity emisji CO2, to długotrwałe kontrakty zawarte w poprzednich latach przez jednostki węglowe zapewniają pozostanie im w krajowym systemie elektroenergetycznym i w konsekwencji, wpływają na zapotrzebowanie na węgiel energetyczny w Polsce w horyzoncie średnio- i długoterminowym.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2023, 39, 2; 165--176
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Trends in the consumption of hard coal in Polish households compared to EU households
    Tendencje zmian zużycia węgla kamiennego w gospodarstwach domowych Polski na tle UE
    Autorzy:
    Stala-Szlugaj, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/216092.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    węgiel kamienny
    gospodarstwo domowe
    zużycie węgla
    podaż węgla
    Polska
    Unia Europejska
    hard coal
    household
    coal consumption
    coal supply
    Polska
    European Union
    Opis:
    Due to the important role of hard coal in the Polish residential sector, the article traced the changes that have occurred in the use of this fuel in the European Union and in Poland in the years 1990–2014. Throughout the European Union, hard coal has an important place in the structure of primary energy consumption. In the years 1990–2014, primary energy consumption in the European Union (calculated for all 28 Member States) has changed between 1507 and 1722 million toe. Between 2014 and 1990, there was a decrease of primary energy consumption, and the average rate of decline amounted to –0.2%. According to Council Directive 2013/12/EU, by the year 2020 energy consumption throughout the EU is expected to be no more than 1483 Mtoe of primary energy, and already in 2014 total primary energy consumption in the EU28 was higher than assumed by this target by only about 24 million toe (2%). Actions taken to protect the climate result in reducing the consumption of hard coal in the European Union. Between 1990 and 2014, the consumption of hard coal decreased by 41% (a decrease of 126 million toe), and the average rate of decline in consumption of this fuel amounted to –2.1%. Throughout the EU, households are not as significant a consumer of hard coal, as in Poland. Although EU28’s coal consumption in this sector in the years 1990 to 2014 varied between 6.5–15.8 million toe, its share in the overall consumption of this fuel usually maintained at around 3–5%. The changing fuel mix, closing of mines or gradual extinction of coal mining, environmental policy of the individual countries meant that coal has lost its position in some of them. [...]
    Z uwagi na istotną rolę, jaką w polskim sektorze mieszkaniowym odgrywa węgiel kamienny, w artykule prześledzono zmiany, jakie nastąpiły w zużyciu tego paliwa w Unii Europejskiej oraz w Polsce w latach 1990–2014. Na całym obszarze Unii Europejskiej węgiel kamienny zajmuje istotne miejsce w strukturze zużycia energii pierwotnej. W latach 1990–2014 zużycie energii pierwotnej w UE (w przeliczeniu dla wszystkich 28 państw członkowskich) zmieniało się od 1507 do 1722 mln toe. Pomiędzy rokiem 2014 a 1990 zanotowano spadek zużycia energii pierwotnej, a średnioroczne tempo spadku wyniosło –0,2%. Według Council Directive 2013/12/EU do roku 2020 zużycie energii w całej Unii ma wynieść nie więcej niż 1483 mln toe energii pierwotnej, a już w 2014 r. łączne zużycie energii pierwotnej w UE28 było wyższe od założonego celu jedynie o 24 mln toe (2%). Podejmowane działania na rzecz ochrony klimatu skutkują zmniejszeniem zużycia węgla kamiennego w Unii Europejskiej. Pomiędzy rokiem 1990 a 2014 zużycie węgla kamiennego zmniejszyło się o 41% (spadek o 126 mln toe), a średnioroczne tempo spadku zużycia tego paliwa wyniosło –2,1%. Na całym obszarze Wspólnoty gospodarstwa domowe nie są tak istotnym konsumentem węgla kamiennego, jak w Polsce. Chociaż w UE28 zużycie węgla w tym sektorze w latach 1990–2014 zmieniało się w zakresie 6,5–15,8 mln toe, to jego udział w ogólnym zużyciu tego paliwa najczęściej utrzymywał się na poziomie około 3–5%. Zmieniający się miks paliwowy, zamykanie kopalń lub stopniowe wygaszanie górnictwa węgla kamiennego oraz polityka środowiskowa danego państwa spowodowały, że w części państw unijnych surowiec ten stracił swoją pozycję. [...]
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2016, 32, 3; 5-22
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The application of different optimization techniques and Artificial Neural Networks (ANN) for coal-consumption forecasting: a case study
    Zastosowanie różnych technik optymalizacji i sztucznych sieci neuronowych (SSN) do prognozowania zużycia węgla: studium przypadku
    Autorzy:
    Seker, Mustafa
    Unal Kartal, Neslihan
    Karadirek, Selin
    Gulludag, Cevdet Bertan
    Powiązania:
    https://bibliotekanauki.pl/articles/2173847.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    coal consumption
    metaheuristic optimization
    grey wolf optimization
    particle swarm optimization
    whale optimization
    zużycie węgla
    optymalizacja metaheurystyczna
    optymalizacja szarego wilka
    optymalizacja roju cząstek
    optymalizacja wielorybów
    Opis:
    The demand for energy on a global scale increases day by day. Unlike renewable energy sources, fossil fuels have limited reserves and meet most of the world’s energy needs despite their adverse environmental effects. This study presents a new forecast strategy, including an optimization-based S-curve approach for coal consumption in Turkey. For this approach, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), Grey Wolf Optimization (GWO), and Whale Optimization Algorithm (WOA) are among the meta-heuristic optimization techniques used to determine the optimum parameters of the S-curve. In addition, these algorithms and Artificial Neural Network (ANN) have also been used to estimate coal consumption. In evaluating coal consumption with ANN, energy and economic parameters such as installed capacity, gross generation, net electric consumption, import, export, and population energy are used for input parameters. In ANN modeling, the Feed Forward Multilayer Perceptron Network structure was used, and Levenberg-Marquardt Back Propagation has used to perform network training. S-curves have been calculated using optimization, and their performance in predicting coal consumption has been evaluated statistically. The findings reveal that the optimization-based S-curve approach gives higher accuracy than ANN in solving the presented problem. The statistical results calculated by the GWO have higher accuracy than the PSO, WOA, and GA with R2 = 0.9881, RE = 0.011, RMSE = 1.079, MAE = 1.3584, and STD = 1.5187. The novelty of this study, the presented methodology does not need more input parameters for analysis. Therefore, it can be easily used with high accuracy to estimate coal consumption within other countries with an increasing trend in coal consumption, such as Turkey.
    Zapotrzebowanie na energię w skali globalnej rośnie z dnia na dzień. W przeciwieństwie do odnawialnych źródeł energii, paliwa kopalne mają ograniczone rezerwy i zaspokajają większość światowego zapotrzebowania na energię pomimo ich niekorzystnego wpływu na środowisko. Niniejsze opracowanie przedstawia nową strategię prognozowania, w tym oparte na optymalizacji podejście oparte na krzywej S dla zużycia węgla w Turcji. W tym podejściu algorytmy optymalizacji genetycznej (GA) i optymalizacji roju cząstek (PSO), optymalizacja Gray Wolf (GWO) i algorytm optymalizacji wielorybów (WOA) należą do metaheurystycznych technik optymalizacji stosowanych do określenia optymalnych parametrów krzywej S. Ponadto algorytmy te oraz sztuczna sieć neuronowa (SSN) zostały również wykorzystane do oszacowania zużycia węgla. Przy ocenie zużycia węgla za pomocą SSN jako parametry wejściowe wykorzystuje się parametry energetyczne i ekonomiczne, takie jak moc zainstalowana, produkcja brutto, zużycie energii elektrycznej netto, import, eksport i energia ludności. W modelowaniu SSN wykorzystano strukturę Feed Forward Multilayer Perceptron Network, a do uczenia sieci wykorzystano propagację wsteczną Levenberg-Marquardt. Krzywe S zostały obliczone za pomocą optymalizacji, a ich skuteczność w przewidywaniu zużycia węgla została oceniona statystycznie. Wyniki pokazują, że podejście oparte na optymalizacji opartej na krzywej S zapewnia większą dokładność niż SSN w rozwiązaniu przedstawionego problemu. Wyniki statystyczne obliczone przez GWO mają wyższą dokładność niż PSO, WOA i GA z R2 = 0,9881, RE = 0,011, RMSE = 1,079, MAE = 1,3584 i STD = 1,5187. Nowość tego badania, prezentowana metodyka nie wymaga dodatkowych parametrów wejściowych do analizy. Dzięki temu może być z łatwością wykorzystany z dużą dokładnością do oszacowania zużycia węgla w innych krajach o tendencji wzrostowej zużycia węgla, takich jak Turcja.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2022, 38, 2; 77--112
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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