Temat: FORECASTING - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Prognozowanie zapotrzebowania na letnią moc szczytową krajowego systemu elektroenergetycznego
Electric power peak summer demand forecasting for domestic power system
Autorzy:: Łyp, J.
Popławski, T.
Dąsal, K.
Powiązania:: https://bibliotekanauki.pl/articles/282805.pdf
Data publikacji:: 2009
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: prognozowanie
elektroenergetyka
load forecasting
electric power engineering
Opis:: W referacie opisano problematykę sporządzania prognoz zapotrzebowania na moc szczytową lata dla Krajowego Systemu Elektroenergetycznego (KSE) w kontekście generowania ich dla długoterminowych scenariuszy zapotrzebowania na roczną energię i roczne maksymalne zapotrzebowanie na moc. Koncepcję opisano i zilustrowano.
The paper describes the issue of modelling and forecasting the process of electric power peak summer demand. The conception is presented as suitable for perform long term load forecasts for domestic electric power system in case of having various scenarios of annual energy and peak load demand. The proposed methodology is described and illustrated.
Źródło:: Polityka Energetyczna; 2009, T. 12, z. 2/2; 355-368
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Using the R language computing environment in forecasting natural gas consumption
Wykorzystanie środowiska obliczeniowego języka R w prognozowaniu zużycia gazu ziemnego
Autorzy:: Chrulski, Tomasz
Powiązania:: https://bibliotekanauki.pl/articles/1840132.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: forecasting
gas consumption
RStudio
prognozowanie
zużycie gazu
Opis:: There are many IT tools available on the market that carry out various types of forecasts in the gas industry. Programming evolves with the availability and capability of computers. IT tools support the user in engineering calculations, but also present the obtained results in an interesting visualization, e.g. in the form of interactive charts. The software can support making business decisions, which, in turn, can be used as business intelligence. In the era of digitization, huge metadata of measurements are created, so conducting data analyzes in the energy sector is very common. Moreover, rapidly evolving artificial intelligence creates new opportunities. The article presents a sample analysis of calculations using RStudio, an integrated development environment for the R language, a programming language for statistical calculations and graphics. The aim of the article is to present the possibility of using R language software to make a forecast and to determine the quality of forecasts. The article aims to present the possibility of making forecasts based on mathematical models available in R packages and the possibilities offered by the forecasting platform to readers. The article presents the U.S. market and has a particular focus on Natural Gas Residential Consumption in Pennsylvania (publicly available data from the U.S. Energy Information Administration). This dataset represents the monthly consumption of natural gas between 2015 and 2020. Forecasts were presented over a span of 12 months.
Na rynku dostępnych jest wiele narzędzi informatycznych, które wykonują różnego rodzaju prognozy w gazownictwie. Programowanie ewoluuje wraz z dostępnością i możliwościami komputerów. Narzędzia informatyczne wspierają użytkownika w obliczeniach inżynierskich, ale także prezentują uzyskane wyniki w ciekawej wizualizacji, np. w postaci interaktywnych wykresów. Oprogramowanie może wspomagać podejmowanie decyzji biznesowych, które z kolei mogą służyć jako inteligencja biznesowa. W dobie cyfryzacji powstają ogromne metadane pomiarów, prowadzenie analiz danych w energetyce jest bardzo powszechne. Ponadto szybko rozwijająca się sztuczna inteligencja stwarza nowe możliwości. W artykule przedstawiono przykładową analizę obliczeń z wykorzystaniem RStudio, zintegrowanego środowiska programistycznego dla języka R, języka programowania do obliczeń statystycznych i grafiki. Ten język jest jednym z najbardziej rozpowszechnionych języków programowania używanych do tego typu obliczeń. Dodatkową zaletą jest to, że R to bezpłatne środowisko programowe do obliczeń statystycznych i grafiki. Kompiluje się i działa na wielu różnych platformach UNIX, Windows i MacOS. Artykuł ma na celu przedstawienie czytelnikom możliwości tworzenia prognoz na podstawie modeli matematycznych dostępnych w pakietach R oraz możliwości, jakie daje platforma. Prezentuje funkcje zawarte w pakiecie, które z czasem są aktualizowane i pojawiają się nowe możliwości. Wynikiem badań są analizy wybranych modeli dostarczonych przez R. W artykule przedstawiono zużycie gazu ziemnego w budynkach mieszkalnych stanu Pensylwania. Zbiór ten przedstawia miesięczne zużycie gazu ziemnego w latach 2015–2020. Prognozy przedstawiono w horyzoncie 12 miesięcy.
Źródło:: Polityka Energetyczna; 2021, 24, 2; 33-55
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Ceny energii: zmienność i przewidywalność Case study – energia elektryczna w Europie
Energy prices: volatility and predictability Case study – electricity in Europe
Autorzy:: Malko, J.
Powiązania:: https://bibliotekanauki.pl/articles/283035.pdf
Data publikacji:: 2013
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: obciążenie elektroenergetyczne
cena energii
prognoza
electric load
energy price
forecasting
Opis:: Procedury planowania i eksploatacji systemu zaopatrzenia w energię wymagają adekwatnych metod prognozowania struktury i cen nośników energii. Przedsiębiorstwa energetyczne wymagać więc będą szybkich, niezawodnych i ekonomicznych narzędzi dla oceny skutków wprowadzenia różnych strategii rozwojowych i ich wpływu na całość systemu społeczno-ekonomicznego oraz na dostawy energii do użytkowników końcowych. Każde przedsiębiorstwo winno być zdolne do dokonywania procedur planistycznych w perspektywie krótko-, średnio- i długookresowej oraz dokonania na ich podstawie prognoz obciążeń i cen. Presja na prognozowanie w skali systemowej nasila się z uwagi na szybkie zmiany w technologii, dostępności paliw, ograniczeń środowiskowych i finansowych oraz przekształceń strukturalnych sektora energetyki. Obserwuje się skrajnie wysoką zmienność cen i jest ona o nawet o dwa rzędy wartości większa niż dla innych towarów czy też instrumentów finansowych. Zmusza to producentów i odbiorców na rynku hurtowym do zabezpieczania się nie tylko przed ryzykiem zmian wolumenu obrotów, ale też przed zmianą struktury cen. Prognozowanie cen staje się podstawowym czynnikiem w podejmowaniu strategicznych decyzji przez spółki energetyczne. Struktura dostaw i ceny nośników prowadzą do zmian struktury cen, a prognozowanie w perspektywie krótko- i średnioterminowej jest szczególnie istotne dla modelowania cen oraz wyceny transakcji na rynku transakcji natychmiastowych (spot) i kontraktów terminowych. Rozważania teoretyczne zilustrowano studium przypadków.
Energy system planning and operational procedures are based on adequate methodologies of forecasting energy supplies and the prices of energy carriers. Utilities will need a fast, reliable, and economical planning “tool box” to evaluate the consequences of different strategies of development and their impact on the socio-economic system as a whole in supplying energy to the consumer. Each energy company must be able to perform short-, medium-, and long-term planning, and as a consequence to carry out, for example, electric load and price prediction. The necessity for system forecasting and planning becomes even more pressing when considering the rapid changes in technology, fuel availability, environmental and financial constraints, and structural transformations in the power sector. Extreme price volatility, which can be even two orders of magnitude higher than for other commodities or financial instruments, has forced producers and wholesale consumers to hedge against not only volume risk but also price movements. Price forecasts have become a fundamental factor in energy company decision-making and strategy development. As a result of the supply stack structure, load fluctuation translates into variations in energy prices. Forecasting has become increasingly important since the rise of competitive energy markets. Short- and medium-term forecasting is important for modeling prices and valuation of spot and derivative contracts for the delivery of energy. Theoretical considerations and techniques are illustrated using case studies.
Źródło:: Polityka Energetyczna; 2013, 16, 3; 7-23
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Potrzeba i możliwości prognozowania zapotrzebowania polskiej gospodarki na surowce mineralne
Forecasting the demand of the Polish economy on mineral raw materials – necessity and possibility
Autorzy:: Uberman, R.
Kulczycka, J.
Cholewa, M.
Powiązania:: https://bibliotekanauki.pl/articles/394023.pdf
Data publikacji:: 2016
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: surowce mineralne
polityka surowcowa
prognozowanie
mineral raw materials
mineral policy
forecasting
Opis:: Prognozy zapotrzebowania na surowce mineralne są niezbędne dla formułowania polityki surowcowej i strategii rozwoju gospodarczego państwa. Na podstawie analizy dokumentów urzędowych określających stan i kierunki rozwoju gospodarczego kraju uzasadniono celowość prowadzenia prac nad metodologią oraz sporządzaniem prognoz zapotrzebowania na surowce mineralne zarówno krótkookresowych, jak i w dalszej perspektywie czasu. W tym celu podjęto próby wykorzystania metod opartych na modelach ekonometrycznych, w szczególności trendu klasycznego, trendu pełzającego i związków przyczynowo-skutkowych. W tych ostatnich modelach sprawdzono możliwość prognozowania zapotrzebowania na surowce mineralne w zależności od wybranych wskaźników makroekonomicznych. Dla wybranych 23 surowców mineralnych sporządzono prognozy do 2020 i 2030 roku i określono dla ustalonego poziomu wiarygodności zakres ich kształtowania się. Wyniki prac podsumowano, postulując konieczność kontynuowania i doskonalenia metodologii oraz weryfikacji i korekty sporządzonych prognoz.
Forecasts of the demand for mineral raw materials are necessary for the formulation of mineral policy and the economic development strategy of State. The purpose for working on the methodology and forecast of the demand forecasts for mineral raw materials, both in the short-term and the long term was indicated based on the analysis of official documents defining the status and trends of the economic development of the country. The proposed methods were based on econometric models, in particular the classic and creeping trends and the cause-effect relation. In the latter, the possibility of forecasting the demand for raw materials based on relation with selected macroeconomic indicators was tested. For the selected group of 23 mineral raw materials demand forecasts for 2020 and 2030 with the level of credibility were presented. The final conclusion indicated the need to continue and improve the methodology and verification and adjustments of forecast for the demand of raw minerals.
Źródło:: Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2016, 96; 323-343
2080-0819
Pojawia się w:: Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Metody prognozowania wielkości mocy elektrycznej z farm wiatrowych dla potrzeb bilansowania oraz prowadzenia ruchu krajowego systemu elektroenergetycznego
Forecasting methodologies of the electrical power generation from wind farms for the purpose of operation and balancing of power systems
Autorzy:: Karkoszka, K.
Powiązania:: https://bibliotekanauki.pl/articles/394501.pdf
Data publikacji:: 2010
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: prognozowanie
system elektroenergetyczny
energetyka wiatrowa
forecasting methods
power system
wind energy
Opis:: Niniejszy artykuł ma charakter przeglądowy i obejmuje podstawy metodologii prognozowania wartości mocy elektrycznej generowanej w elektrowniach wiatrowych. Omawia charakterystykę pracy źródeł wiatrowych, ze szczególnym uwzględnieniem wpływu zmienności warunków meteorologicznych na wartość generowanej mocy elektrycznej. Prezentuje trzy metody predykcji: fizyczną, statystyczną oraz hybrydową (połączenie fizycznej i statystycznej). Przedstawia zakres wykorzystania poszczególnych metod, sposób weryfikacji wyników prognoz oraz obecnie wykorzystywane metody minimalizacji błędów prognoz, takie jak np. agregacja obszarowa prognoz bądź wykorzystanie kilku numerycznych prognoz pogody. Omawiana metoda perturbacji warunków początkowych stanowi przykład współczesnego podejścia do problematyki generacji prognoz probabilistycznych. Artykuł omawia również znaczenie dokładności wyników prognoz dla celów prowadzenia ruchu oraz bilansowania systemu elektroenergetycznego oraz prezentuje krótko zakres ich wykorzystania dla potrzeb operatorów systemów przesyłowych.
This article has the character of a review and covers the basics of the methodology of forecasting of the level of the electric power generated in wind power plants. It discusses the characteristics of the operation of the wind power sources, with particular emphasis on the impact of the dynamics of meteorological conditions on the value of generated electrical power. The article presents three methods of wind power prediction: physical, statistical, and hybrid (combination of physical and statistical method). It discusses the applicability of specific methods, way of verification of the wind power forecasts results and current methods used to minimize forecast errors, such as the aggregation area forecasts or the application of several numerical weather prediction models. It presents also the initial conditions perturbation method which is the modern approach for generation of probabilistic forecasts. The article discusses also the importance of accuracy of the wind power forecasts results for purposes of the operation and balancing the electrical power systems, and briefly presents the scope of their applications for transmission system operators processes.
Źródło:: Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2010, 78; 75-86
2080-0819
Pojawia się w:: Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

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

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Stan krajowego systemu elektroenergetycznego
State of Polish Power System
Autorzy:: Maciejewski, Z.
Powiązania:: https://bibliotekanauki.pl/articles/283015.pdf
Data publikacji:: 2011
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: system elektroenergetyczny
energia elektryczna
sieci przesyłowe
prognozowanie
power system
electricity
network system
forecasting
Opis:: W pracy przedstawiono obecny stan krajowego systemu elektroenergetycznego. Zwrócono uwagę na dekapitalizację środków trwałych krajowego systemu elektroenergetycznego. Przedstawiono prognozę krajowego zapotrzebowania na energię elektryczną do 2030 roku. Zaproponowano kierunki rozbudowy krajowej sieci przesyłowej dla zapewnienia bezpieczeństwa elektroenergetycznego i rozwoju kraju.
In the paper current state of the Polish Power System is presented. Problem of the decapitalization of the Polish Power Idustry was discussed. It is given forecasts of domestic electricity demand to 2030 year. There are proposed some directions of the network system developing in order to ensure of security of the power system and in general development of Poland.
Źródło:: Polityka Energetyczna; 2011, 14, 2; 249-259
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Zastosowanie modeli ARMA do przewidywania mocy i energii pozyskiwanej z wiatru
Use of the auto-regression models to forecast power obtained from wind
Autorzy:: Popławski, T.
Dąsal, K.
Łyp, J.
Szeląg, P.
Powiązania:: https://bibliotekanauki.pl/articles/283633.pdf
Data publikacji:: 2010
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: energia wiatrowa
prognoza
moc generowana
energia odnawialna
wind energy
forecasting
power generation
renewable energy
Opis:: Globalne zmiany klimatyczne determinują działania mające na celu ochronę środowiska naturalnego. Jednym z efektów jest wypracowane przez Unię Europejską stanowisko w sprawie zwiększania udziału Odnawialnych Źródeł Energii w produkcji energii elektrycznej. Ostatnio w Polsce bardzo dynamicznie rozwija się energetyka wykorzystująca siłę wiatru. Predykcja mocy farm wiatrowych jest niezwykle trudna ze względu na losowy charakter procesu. Największy wpływ na działanie turbiny wiatrowej ma prędkość wiatru. W artykule podjęto próbę prognozowania mocy przykładowej turbiny wiatrowej wykorzystując model autoregresyjny. Przedstawiono i porównano różne warianty analizy danych rzeczywistych.
Global climatic changes determine the activities aimed at protection of natural environment. One of the effects is the position worked out by the European Union concerning the percentage increase of Renewable Energy Sources in the production of electric energy. In Poland the most dynamically developing branch of power engineering is at present the one based on wind power. Prediction of wind farms power is extremely difficult due to the stochastic nature of the process. The speed of wind has the greatest influence on the operation the wind turbine. In the paper, an attempt to forecast the power of an exemplary wind turbine using the auto-regression model is undertaken. Different options of analysis on real data are presented and compared.
Źródło:: Polityka Energetyczna; 2010, 13, 2; 385-400
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Ocena elektrochłonności PKB i zapotrzebowania na energię elektryczną
Estimation of electricity absorptive indicator for Gross Domestic Product and electricity demand of the Polish Power System
Autorzy:: Maciejewski, Z.
Powiązania:: https://bibliotekanauki.pl/articles/282872.pdf
Data publikacji:: 2013
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: prognozowanie
system elektroenergetyczny
energia elektryczna
produkt krajowy brutto
forecasting
power system
electricity
gross domestic product
Opis:: W literaturze istnieje wiele prognoz krajowego zapotrzebowania na energię elektryczną, które były wykonane z zaangażowaniem znacznych środków finansowych. Większość z tych prognoz była znacznie przeszacowana, ponieważ nie sprawdziła się w porównaniu z rzeczywistym zapotrzebowaniem na energię elektryczną. Prognozy te nie spełniały również oczekiwań użytkowników, dla których były przeznaczone. W tej pracy dokonano oceny prognozy krajowego zapotrzebowania na energię elektryczną opracowanej przez autora w 2004 roku. Prognoza ta została opracowana metodą wykorzystującą średnioroczne przyrosty dochodu narodowego wytworzonego oraz wskaźników elastyczności zapotrzebowania na energię elektryczną względem tego dochodu. Wykazano, że opracowana prognoza jest zgodna z faktycznym zużyciem energii elektrycznej do 2012 roku. Na podstawie danych statystycznych wyznaczono wartości współczynników elastyczności i elektrochłonności produktu krajowego brutto (PKB) dla lat 2004-2012. Stwierdzono znaczny spadek elektrochłonności PKB w tych latach. Wykorzystując metodę zastosowaną w 2004 roku przedstawiono również prognozę krajowego zapotrzebowania na energię elektryczną do 2030 roku.
Multiple forecasts of domestic electricity demand have been documented in existing texts which were based in large part on fmancial assets. Most of those forecasts were significantly exaggerated, and they disagreed with real electricity demand. These forecasts didn’t meet the expextations of the recipients. This paper estimates the forecast of domestic electricity demand proposed by author of this paper in 2004. This forecast was made using the indicators of growth in Gross Domestic Product and the electricity absorption indicator of Gross Domestic Product. It is shown that this forecast was consistentwith the real electricity demand until 2012. For the basie statistical data on the consumption of electricity, the factors of electricity absorption indicator of Gross Domestic Product of Poland were determined for the years 2004-2012. It is shown that these indicators have pointed to a considerably decreasing trend. Using the method proposed by author of this paper in 2004, a new forecast of domestic electricity demand until 2030 is given.
Źródło:: Polityka Energetyczna; 2013, 16, 3; 25-34
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Problematyka budowy modelu długoterminowej prognozy zapotrzebowania na energię elektryczną dla Polski
The problem of constructing a model for the long-term forecast of electricity demand in Poland
Autorzy:: Popławski, T.
Powiązania:: https://bibliotekanauki.pl/articles/283609.pdf
Data publikacji:: 2012
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: prognozy długoterminowe
modelowanie
polityka energetyczna
rozkład kanoniczny
long-term forecasting
modeling
energy policy
canonical distribution
Opis:: Jednym z ważniejszych sektorów gospodarki narodowej jest sektor elektroenergetyczny. Szereg zmian zachodzących w tym sektorze uzależnionych jest od wielu czynników nie tylko technicznych i ekonomicznych, ale także społecznych i politycznych. Liberalizacja rynku energii elektrycznej ułatwia proces wzajemnego przenikania sie procesów technologicznych w łańcuchach przemian energetycznych, obserwuje sie tendencje wzrostu niezależności poszczególnych podmiotów gospodarczych w elektroenergetyce oraz wprowadzanie zasad wystepujacych na rynkach konkurencyjnych. Polski sektor elektroenergetyczny stoi obecnie przed poważnymi wyzwaniami. Wysokie zapotrzebowanie na energie finalną, nieadekwatny poziom infrastruktury wytwórczej i przesyłowej, uzależnienie od zewnętrznych dostaw gazu ziemnego i ropy naftowej oraz zobowiązania w zakresie ochrony klimatu powodują konieczność podjęcia zdecydowanych działań. W celu realizacji zadań prawidłowego funkcjonowania systemu elektroenergetycznego niezbędnym elementem jest proces ciągłej obserwacji i przewidywania zmian stanu systemu w różnych horyzontach czasowych. W przypadku planowania rozwoju, horyzonty te określa sie w kategoriach wieloletnich. Do klasycznych przykładów sytuacji, w której konieczne jest posłużenie sie długoterminową prognozą, należą decyzje dotyczące rozbudowy krajowego systemu pozyskiwania i dostarczania energii elektrycznej. Decyzje takie w sposób racjonalny można podejmowaa wyłącznie na podstawie możliwie wiarygodnej długoterminowej prognozy popytu na energie oraz moc w obszarze działania krajowego systemu elektroenergetycznego. Wykonanie poprawnej prognozy dla systemu jest zadaniem niełatwym i wymagającym dużego doświadczenia, wiedzy i wyczucia. W artykule przedstawiono proces konstrukcji długoterminowej prognozy zapotrzebowania na energie elektryczna dla Polski opartej na rozkładzie kanonicznym wektora zmiennych losowych wzbogaconym o analize składowych głównych (PCA).
One of the most important sectors of the national economy is the power engineering sector. A number of changes occurring in this sector are dependent on factors not only related to technology and the economy, but also on social and political conditions. This paper observes how liberalization of the electric energy market affects the mutual interactions between technological processes in the chains of energy transformations and the trends concerning increasing independence of individual economic parties in power engineering. It also introduces rules present in competitive markets. The Polish power engineering sector faces serious challenges at the moment. The high demand for final energy, the inadequate level of production and transfer infrastructure, the dependence on external gas and crude oil supplies, and the requirements to comply with climate and environmental protection mandates make it necessary to take serious actions. In order to achieve a correctly functioning power engineering system, a crucial element is to monitor and forecast instant changes in the state of the system over different time horizons. In the case of development planning, these horizons are determined in multi-annual categories. For the typical situations, when it is necessary to make use of a long term forecast, the decisions concerning the development of a national system of energy acquisition and supply. These decisions can only be rationally made on the basis of the most credible, long-term forecasts concerning energy and power demand for the domestic power engineering system. Making a correct forecast for the whole system is a difficult task, which requires experience, knowledge, and intuition. This paper presents the process of producing a long-term forecast for electric energy demand for Poland on the basis of the canonical distribution of the vector of random variables supplemented with Principal Component Analysis (PCA).
Źródło:: Polityka Energetyczna; 2012, 15, 3; 293-304
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Prognozowanie generacji wiatrowej w kontekście gospodarowania zasobami energii
Forecasting wind generation in the context of energy resources management
Autorzy:: Szeląg, P.
Powiązania:: https://bibliotekanauki.pl/articles/283056.pdf
Data publikacji:: 2014
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: energia wiatrowa
odnawialne źródła energii
prognozowanie
analiza skupień
wind energy
renewable energy sources
forecasting
cluster analysis
Opis:: Z roku na rok przybywa nowych instalacji wytwarzających energię elektryczną z odnawialnych źródeł energii. Zjawisko to, w różnym stopniu, dotyczy wszystkich rodzajów zasobów odnawialnych, jednak najdynamiczniej rozwija się energetyka wiatrowa. Przyłączanie nowych farm wiatrowych do systemu elektroenergetycznego powoduje konieczność rozwiązania problemów związanych z pracą tych źródeł energii; do najważniejszych z nich należą: duża zmienność w czasie poziomu generowanej mocy oraz trudność w jej przewidywaniu. Od lat podejmowane są próby ograniczenia negatywnych skutków pracy elektrowni wiatrowych. Podejmowanie działania początkowo skupiały się na przygotowywaniu kolejnych, coraz lepszych narzędzi prognostycznych dedykowanych elektrowniom wiatrowym. Obserwowane jest również przyspieszenie prac związanych z opracowywaniem technologii oraz budową instalacji magazynujących energię elektryczną. Celem autora jest połączenie tych dwóch nurtów i stworzenie dwóch narzędzi. Pierwszym z nich będzie model dający możliwość przygotowania możliwie najlepszej prognozy generacji mocy. Drugim, narzędzie wyznaczające optymalną pojemność magazynu, między innymi na podstawie informacji uzyskanych z modelu prognostycznego. W pracy tej przedstawiono działania związane z wykonaniem pierwszego narzędzia. Opisano proces filtracji danych pomiarowych oraz problemy z tym związane. Przedstawiono koncepcję modelu predykcyjnego. Scharakteryzowano etap uczenia modelu oraz wykonania prognozy mocy. Przedstawiono dokładności prognozy oraz sformułowano kolejne etapy pracy.
From year to year, the number of new installations producing electricity from renewable energy sources increases. This phenomenon, to varying degrees, applies to all types of renewable resources, though the fastest growing is wind power. Connecting new wind farms to the power system necessitates solving the problems related to the work of these energy sources. The most important issues include the large variation in the level of power generated and the difficulty in predicting changes in the supply. For years, attempts have been made to reduce the negative factors, initially focusing on preparing new forecasting tools dedicated to wind farms. Also observable has been the acceleration of work associated with the development of the technology and the construction of electrical energy storage capacity. The objective of this study is the combination of these two trends and the development of two applicable tools. The first model will provide the opportunity to prepare the best possible forecast of power generation. The second will be a tool for defining the optimum storage capacity, inter alia, on the basis of information obtained fromthe forecastingmodel. This paper presents the activities related to the implementation of the first tool. It describes the process of filtering the measured data and the problems associated with it, and presents the concept of a predictive model. The learning phase of the model is outlined together with creating a forecast for power levels. Also shown is the accuracy of the forecasts, and formulation for the successive stages of work.
Źródło:: Polityka Energetyczna; 2014, 17, 3; 125-134
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: The forecast of coal sales taking the factors influencing the demand for hard coal into account
Prognoza wielkości sprzedaży węgla z uwzględnieniem czynników kształtujących popyt na węgiel kamienny
Autorzy:: Rybak, Aurelia
Manowska, Anna
Powiązania:: https://bibliotekanauki.pl/articles/216149.pdf
Data publikacji:: 2019
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: environmental factors
forecasting sales
coal sales
ARMAX model
prognozowanie sprzedaży
sprzedaż węgla
model ARMAX
czynniki środowiska
Opis:: In order to prepare a coal company for the development of future events, it is important to predict how can evolve the key environmental factors. This article presents the most important factors influencing the hard coal demand in Poland. They have been used as explanatory variables during the creation of a mathematical model of coal sales. In order to build the coal sales forecast, the authors used the ARMAX model. Its validation was performed based on such accuracy measures as: RMSE, MAPE and Theil’s index. The conducted studies have allowed the statistically significant factors out of all factors taken into account to be identified. They also enabled the creation of the forecast of coal sales volume in Poland in the coming years. To maintain the predictability of the forecast, the mining company should continually control the macro environment. The proper demand forecast allows for the flexible and dynamic adjustment of production or stock levels to market changes. It also makes it possible to adapt the product range to the customer’s requirements and expectations, which, in turn, translates into increased sales, the release of funds, reduced operating costs and increased financial liquidity of the coal company. Creating a forecast is the first step in planning a hard coal mining strategy. Knowing the future needs, we are able to plan the necessary level of production factors in advance. The right strategy, tailored to the environment, will allow the company to eliminate unnecessary costs and to optimize employment. It will also help the company to fully use machines and equipment and production capacity. Thanks to these efforts, the company will be able to reduce production costs and increase operating profit, thus survive in a turbulent environment.
Aby przygotować się na rozwój przyszłych wydarzeń z niezbędnym wyprzedzeniem, należy wiedzieć, w jakim kierunku mogą podążać trendy rozwoju kluczowych czynników otoczenia wpływających na spółkę węglową. Artykuł prezentuje najistotniejsze czynniki wpływające na popyt na węgiel kamienny w Polsce. Zostały one wykorzystane jako zmienne objaśniające przy utworzeniu modelu matematycznego wielkości sprzedaży węgla w Polsce. W celu jego zbudowania posłużono się modelem ARMAX. Walidacja modelu została przeprowadzona w oparciu o takie miary dokładności jak: RMSE, MAPE i współczynnik Theila. Badania te umożliwiły na wyznaczenie spośród wszystkich branych pod uwagę czynników statystycznie istotnych oraz na utworzenie prognozy wielkości sprzedaży tego paliwa w Polsce w najbliższych latach. Aby trafność prognozy mogła zostać utrzymana, przedsiębiorstwo powinno kontrolować makrootoczenie. Właściwa prognoza popytu pozwala na elastyczne oraz dynamiczne dostosowanie poziomu produkcji czy zapasów do zmian zachodzących na rynku. Umożliwia ona także dostosowanie produkowanego asortymentu do wymagań i oczekiwań odbiorców, co z kolei przekłada się na zwiększenie sprzedaży, uwolnienie środków finansowych, zmniejszenie kosztów działalności przedsiębiorstwa oraz wzrost płynności finansowej kopalń. Stworzenie prognozy to pierwszy krok w planowaniu strategii wydobycia węgla kamiennego. Znając przyszłe potrzeby, jesteśmy w stanie z wyprzedzeniem zaplanować niezbędny poziom czynników produkcji. Odpowiednia strategia to taka, która jest dostosowana do otoczenia, pozwoli przedsiębiorstwu wyeliminować niepotrzebne koszty i zoptymalizować zatrudnienie. Pomoże to również firmie w pełni korzystać z maszyn i urządzeń oraz zdolności produkcyjnych. Dzięki tym staraniom firma będzie mogła obniżyć koszty produkcji i zwiększyć zysk operacyjny, dzięki czemu przetrwa w niespokojnym oraz zmiennym otoczeniu.
Źródło:: Gospodarka Surowcami Mineralnymi; 2019, 35, 1; 129-140
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Problematyka prognozowania mocy i energii pozyskiwanych z wiatru
Problems related to forecasting of power and electric energy derived from wind
Autorzy:: Popławski, T.
Dąsal, K.
Łyp, J.
Powiązania:: https://bibliotekanauki.pl/articles/282786.pdf
Data publikacji:: 2009
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: elektrownia wiatrowa
moc generowana
prognoza krótkoterminowa w elektroenergetyce
dokładność
model prognostyczny
wind source
power generation
forecasting
accuracy
Opis:: Dynamiczny rozwój odnawialnych źródeł energii elektrycznej OZE jest faktem. Wiele przyczyn ma wpływ na tę dynamikę i są one powszechnie znane. Wiadomo również, że moc generowana przez turbiny wiatrowe jest procesem losowym, gdyż w decydującej mierze uzależniona jest od prędkości wiatru i to w sposób silnie nieliniowy. Ta cecha turbin wiatrowych jest wysoce kłopotliwa w różnych aspektach pracy sieci. Bieżąca sytuacja w elektroenergetyce polskiej prowokuje do licznych pytań, na przykład o ilość energii wiatrowej, którą może przyjąć system elektroenergetyczny, czy też o rolę prognoz wiatrowych. Wiele prac wykonano w dziedzinie znaczącego zwiększenia dokładności przewidywania mocy generowanej w źródłach wiatrowych. W referacie skoncentrowano się na zagadnieniach dotyczących predykcji mocy na przykładzie analizy danych rzeczywistych w jednej z krajowych farm wiatrowych.
A number of reasons influences the expansion of energy from renewable sources (RES). The power generated by wind turbines is the random process. This feature of wind turbines is highly cumbersome for the performance of the network. Actual situation in the Power System in Poland raises a lot of questions eg. how much energy can the power system accommodate and what is the role of wind plant forecasting. Much research has been done in the field of significant accuracy increase in the improvement of prediction tools on the basis of one of wind power plant in Poland.
Źródło:: Polityka Energetyczna; 2009, T. 12, z. 2/2; 511-523
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Simulation of the use of a heat accumulator in combined heat and power plants
Symulacja wykorzystania akumulatora ciepła w elektrociepłowni
Autorzy:: Jastrzębski, P.
Saługa, P. W.
Powiązania:: https://bibliotekanauki.pl/articles/282843.pdf
Data publikacji:: 2018
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: energy production
energy storage
consumption forecasting
Monte Carlo simulation
produkcja energii
magazynowanie energii
prognozowanie zużycia
symulacja Monte Carlo
Opis:: The sustainable management of energy production and consumption is one of the main challenges of the 21st century. This results from the threats to the natural environment, including the negative impact of the energy sector on the climate, the limited resources of fossil fuels, as well as the unstability of renewable energy sources – despite the development of technologies for obtaining energy from the: sun, wind, water, etc. In this situation, the efficiency of energy management, both on the micro (dispersed energy) and macro (power system) scale, may be improved by innovative technological solutions enabling energy storage. Their effective implementation enables energy storage during periods of overproduction and its use in the case of energy shortages. These challenges cannot be overestimated. Modern science needs to solve various technological issues in the field of storage, organizational problems of enterprises producing electricity and heat, or issues related to the functioning of energy markets. The article presents the specificity of the operation of a combined heat and power plant with a heat accumulator in the electricity market while taking the parameters affected by uncertainty into account. It was pointed out that the analysis of the risk associated with energy prices and weather conditions is an important element of the decision-making process and management of a heat and power plant equipped with a cold water heat accumulator. The complexity of the issues and the number of variables to be analyzed at a given time are the reason for the use of advanced forecasting methods. The stochastic modeling methods are considered as interesting tools that allow forecasting the operation of an installation with a heat accumulator while taking the influence of numerous variables into account. The analysis has shown that the combined use of Monte Carlo simulations and forecasting using the geometric Brownian motion enables the quantification of the risk of the CHP plant’s operation and the impact of using the energy store on solving uncertainties. The applied methodology can be used at the design stage of systems with energy storage and enables carrying out the risk analysis in the already existing systems; this will allow their efficiency to be improved. The introduction of additional parameters of the planned investments to the analysis will allow the maximum use of energy storage systems in both industrial and dispersed power generation.
Zrównoważone zarządzanie produkcją i zużyciem energii stanowi jedno z naczelnych wyzwań XXI wieku. Wiąże się ono z zagrożeniami stanu środowiska przyrodniczego m.in. wskutek negatywnego wpływu energetyki na klimat, ograniczoności zasobów paliw kopalnych, a także niestabilności produkcji energii z wykorzystaniem źródeł odnawialnych – pomimo rozwijających się technologii pozyskania energii ze słońca, wiatru, wody, itp. W takiej sytuacji jednym ze sposobów poprawy efektywności gospodarki energetycznej – zarówno w skali mikro (energetyka rozproszona), jak i makro (system elektroenergetyczny), mogą być innowacyjne rozwiązania technologiczne umożliwiające magazynowanie energii. Ich skuteczna implementacja pozwoli na jej gromadzenie w okresach nadprodukcji i wykorzystanie w sytuacjach niedoboru. Wyzwania te są nie do przecenienia – przed współczesną nauką staje konieczność rozwiązywania różnego rodzaju zagadnień technologicznych w zakresie magazynowania, problemów organizacyjnych przedsiębiorstw wytwarzających energię elektryczną i ciepło, czy kwestii dotyczących funkcjonowania rynków energii. W artykule przedstawiono specyfikę funkcjonowania elektrociepłowni z magazynem ciepła na rynku energii elektrycznej w odniesieniu do związanych z tym parametrów obarczonych niepewnością. Zwrócono uwagę, że istotnym elementem procesu decyzyjnego i sterowania elektrociepłownią wyposażoną w niskotemperaturowy wodny akumulator ciepła – jako systemem – jest analiza ryzyka związanego z cenami energii oraz warunkami atmosferycznymi. Złożoność zagadnień, liczba zmiennych, jakie należy przeanalizować w danym czasie skłania do zastosowania zaawansowanych metod prognozowania. Uznano, że interesującymi narzędziami, które pozwalają na prognozowanie pracy instalacji z magazynem energii z uwzględnieniem wpływu wielu zmiennych mogą być stochastyczne metody modelowania. W wyniku zrealizowanych badań pokazano, że łączne wykorzystanie symulacji Monte Carlo i prognozowania z wykorzystaniem geometrycznego ruchu Browna umożliwia kwantyfikację ryzyka działalności elektrociepłowni i wpływ zastosowania magazynu energii na rozwiązywanie niepewności. Zastosowana metodyka może zostać wykorzystana zarówno na etapie projektowania systemów z magazynami energii, jak też umożliwić bieżącą analizę ryzyka w systemach już funkcjonujących; pozwoli to na poprawę efektywności ich funkcjonowania. Wprowadzenie do analizy dodatkowych parametrów planowanych inwestycji otworzy perspektywy maksymalneego wykorzystania wielkości magazynów energii zarówno w energetyce zawodowej, jak i rozproszonej.
Źródło:: Polityka Energetyczna; 2018, 21, 2; 75-87
1429-6675
Pojawia się w:: Polityka Energetyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
Autorzy:: Ren, Min
Dai, Jianyong
Zhu, Wancheng
Dai, Feng
Powiązania:: https://bibliotekanauki.pl/articles/1849620.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: iron ore demand
combined model
intelligent optimization algorithm
forecasting accuracy
ruda żelaza
model połączony
inteligentny algorytm optymalizacji
dokładność prognozowania
Opis:: The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
Źródło:: Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "FORECASTING" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język