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 "Rubanowicz, T." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Budowa modelu prognostycznego farmy wiatrowej w środowisku MATLAB
    Construction of wind farms forecasting model in MATLAB
    Autorzy:
    Rubanowicz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/268666.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    elektrownie wiatrowe
    prognozowanie mocy
    sztuczne sieci neuronowe
    MATLAB
    wind power plants
    prediction methods
    artificial neural networks
    Opis:
    Liberalizacja rynku energii elektrycznej sprawiła, że branża elektroenergetyczna przechodzi obecnie dynamiczny rozwój różnych jej obszarów (aspektów). Jednym z aspektów jest prognozowanie mocy jednostek wytwórczych źródeł wiatrowych. W prognozowaniu wykorzystuje się różnego rodzaju narzędzia matematyczne. Autor niniejszej publikacji poświęcił szczególną uwagę sztucznym sieciom neuronowym. Za pomocą modeli neuronowych istnieje możliwość predykcji generacji mocy wytwórczej farm wiatrowych. Budowa modelu prognostycznego wymaga umiejętności programistycznych. Powszechnym środowiskiem programistycznym, umożliwiającym budowę modeli, jest oprogramowanie naukowo-techniczne MATLAB. Wykorzystując wbudowane funkcje (gotowe moduły) istnieje możliwość zbudowania modelu prognostycznego farmy wiatrowej. W artykule przedstawiono sposób zamodelowania wybranej struktury neuronowej za pomocą modułu Neural Toolbox oraz przeprowadzono test nauczonej sieci.
    The liberalization of the electricity market has made electric power industry is undergoing rapid development its different areas (aspects). One aspect is the forecasting power generating units wind sources. The prediction uses various mathematical tools. The author of this publication has devoted special attention to artificial neural networks. Using neural models can predict power generation manufacturing of wind farms. Construction of a predictive model requires programming skills. A common programming environment that allows the construction of models, is the scientific and technical software MATLAB. Using the built-in (ready modules) it is possible to build a predictive model of the wind farm. This article shows you how to model a neural structure chosen by Neural Toolbox module and performed background and sensor network test.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2012, 31; 123-126
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metody predykcji produkcji mocy parku wiatrowego
    Power predictions methods of wind power plant
    Autorzy:
    Rubanowicz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/268922.pdf
    Data publikacji:
    2008
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    predykcja mocy parku wiatrowego
    metody prognozowania w energetyce wiatrowej
    moc generowana
    power prediction of wind power plant
    prediction technique of wind power plant
    power generation
    Opis:
    W związku z coraz to większą ilością zainstalowanych siłowni wiatrowych do Krajowej Sieci Elektroenergetycznej, brakiem stabilnej pracy generatorów wiatrowych zależnych od zmiennej prędkości wiatru, zakłady energetyczne wraz z Operatorem Sieci Przesyłowej Polskimi Sieciami Elektroenergetycznymi S.A., nałożyły na właścicieli farm wiatrowych obowiązek prognozowania produkcji energii elektrycznej. Celem tego artykułu jest sprawdzenie jak skuteczne mogą być metody predykcji mocy parku wiatrowego tylko na podstawie mocy poprzednich. W artykule poruszono problematykę prognozowania produkcji mocy parku wiatrowego, opisano wybrane metody predykcji i sprawdzono ich skuteczność. Wyjaśniono również potrzebę poszukiwania metod prognozowania.
    The paper provides an overview of the prediction methods of wind power plant.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2008, 25; 145-149
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effective Short-term Forecasting of Wind Farms Power
    Skuteczne prognozowanie krótkoterminowe mocy farm wiatrowych
    Autorzy:
    Bogalecka, E.
    Rubanowicz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/397454.pdf
    Data publikacji:
    2015
    Wydawca:
    ENERGA
    Tematy:
    wind farm
    power
    model
    prediction
    farma wiatrowa
    moc
    predykcja
    Opis:
    Forecasting a specific wind farm's (WF) generation capacity within a 24 hour perspective requires both a reliable forecast of wind, as well as supporting tools. This tool is a dedicated model of wind farm power. This model should include not only general rules of wind to mechanical energy conversion, but also the farm's specific features. There are many factors that influence a farm's generation capacity, and any forecast of it, even with an accurate weather forecast, carries error. This paper presents analytical, statistical, and neuron models of wind farm power. The study is based on data from a real wind farm. Most attention is paid to the neuron models, due to a neuron network's capability to restore farm-specific details. The research aims to answer the headline question: whether and to what extent a wind farm's power can be forecast short-term?
    Prognozowanie mocy wytwórczej konkretnej farmy wiatrowej (FW) w horyzoncie 24-godzinnym wymaga zarówno wiarygodnej prognozy wietrzności, jak i narzędzi wspomagających. Narzędzie to jest dedykowanym modelem mocy farmy. Model powinien uwzględniać nie tylko ogólne zasady przetwarzania energii wiatru na energię mechaniczną, ale także cechy szczególne konkretnej farmy. Liczba czynników wpływających na moc farmy jest duża i dokładna prognoza mocy, nawet przy dokładnej prognozie pogody, jest obarczona błędem. W artykule pokazano modele mocy farmy wiatrowej: analityczny, statystyczny i neuronowy. Badania prowadzone są na danych z rzeczywistych farm wiatrowych. Najwięcej uwagi poświęcono modelom neuronowym, sugerując się zdolnością sieci neuronowej do odtworzenia cech osobniczych konkretnej farmy. Celem badań jest odpowiedź na zadane w tytule pytanie: czy i w jakim zakresie możliwa jest dokładna krótkoterminowa prognoza mocy farmy wiatrowej
    Źródło:
    Acta Energetica; 2015, 3; 4-13
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Balancing the Unbalanced Supply of Generation Sources – Additional Costs in a Competitive Energy Market
    Bilansowanie niezrównoważonej podaży źródeł wytwórczych – dodatkowe koszty na konkurencyjnym rynku energii
    Autorzy:
    Rubanowicz, T.
    Prondziński, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/397588.pdf
    Data publikacji:
    2016
    Wydawca:
    ENERGA
    Tematy:
    bilansowanie handlowe
    jednostka grafikowa
    rynek energii elektrycznej
    trade balancing
    balancing mechanism unit
    electricity market
    Opis:
    Trade balancing of balancing mechanism units entails additional costs of electricity purchases for consumers’ own needs. Trading companies constantly look for effective tools to reduce the costs of their operations in the electricity market through supply or demand management. Balancing the unbalanced supply of generation sources refers not only to the area of balancing market settlements, but also to changes in the demand for electricity from the wholesale market in a longer time horizon. The imbalance of supply or demand is defined as a deviation resulting from a change in the power output of various generation sources in the local market, and a change in power consumption by customers compared to its earlier forecast. Two areas (periods) must be distinguished as parts of a balancing mechanism unit’s balancing, i.e. balancing of changing long-term prediction of demand for electricity with generation sources output, and balancing of short-term (daily) prediction and the actual output of generation sources. In the balancing process a variety of generation and load units available on the local market is utilised. The paper discusses the costs of balancing arising for trading companies, and presents a conceptual possibility of a balancing mechanism unit’s balancing taking into account renewable energy sources selected from the local market.
    Prowadzenie bilansowania handlowego jednostek grafikowych wiąże się z ponoszeniem dodatkowych kosztów związanych z zakupem energii elektrycznej na potrzeby własne klientów. Spółki obrotowe nieustannie poszukują skutecznych narzędzi umożliwiających zmniejszanie kosztów funkcjonowania na rynku energii elektrycznej, m.in. poprzez zarządzanie podażą lub popytem. Bilansowanie niezrównoważonej podaży źródeł wytwórczych nie dotyczy wyłącznie obszaru rozliczeń na rynku bilansującym, ale również zmian zapotrzebowania na energię elektryczną z rynku hurtowego w dłuższym horyzoncie czasowym. Niezrównoważenie podaży czy też popytu jest rozumiane jako odchylenia wynikające ze zmiany poziomu generacji mocy różnych źródeł wytwórczych na rynku lokalnym oraz zmiany wielkości zużycia energii elektrycznej przez klientów w odniesieniu do wcześniej wykonanych prognoz. W ramach bilansowania jednostki grafikowej należy wyodrębnić dwa obszary (okresy), tj. bilansowanie zmieniającej się długoterminowej predykcji zapotrzebowania na energię elektryczną wraz z generacją mocy źródeł wytwórczych oraz krótkoterminowej (dobowej) predykcji i rzeczywistej generacji mocy źródeł wytwórczych. W procesie bilansowania wykorzystuje się różne dostępne jednostki wytwórcze i odbiorcze na rynku lokalnym. W artykule omówiono koszty związane z szeroko rozumianym bilansowaniem powstające po stronie spółek obrotu oraz przedstawiono koncepcyjną możliwość bilansowania jednostki grafikowej z uwzględnieniem wybranych odnawialnych źródeł energii z rynku lokalnego.
    Źródło:
    Acta Energetica; 2016, 2; 175-180
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Scheduling Coordinator’s Flat Rate Service for Wind Energy Development in Poland
    Zryczałtowana usługa operatora handlowo-technicznego na potrzeby rozwoju energetyki wiatrowej w Polsce
    Autorzy:
    Prondziński, Z.
    Rubanowicz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/397640.pdf
    Data publikacji:
    2014
    Wydawca:
    ENERGA
    Tematy:
    balancing market
    wind power
    forecasting
    rynek bilansujący
    elektrownie wiatrowe
    prognozowanie
    Opis:
    The development of the electricity market has made the energy industry an attractive investment for many businesses. In recent years, the electricity market has been going through the process of liberalization, which has contributed to the provision of new services for investors interested in the development of the energy industry. Recently, one of the most rapidly growing sources of electricity has been wind farms. Few investors are aware of the consequences of connecting wind farms to the national power grid, as well as of the subsequent exploitation of these resources. After the Electricity Sales Contract has been concluded, investors agree to predict electrical capacity generation within the span of 24 hours with a daily advance. The specific nature of wind farm functioning makes the prediction of electrical capacity generation difficult and, consequently, the owners bear the costs of deviations on the electricity balancing market. The resulting costs may result in the lack of liquidity of the project owner and, ultimately, in bankruptcy. In such a case, the Scheduling Coordinator’s flat rate service is a solution for the owner of a wind farm. The paper presents an analysis of selected forecasting models used to predict the electrical capacity of wind farms, as well as the Scheduling Coordinator’s service.
    Rozwój rynku energii elektrycznej sprawił, że branża energetyczna stała się atrakcyjna inwestycyjnie dla wielu przedsiębiorców. Trwający od kilku lat proces liberalizacji rynku energii elektrycznej przyczynił się do świadczenia nowych usług na rzecz inwestorów zainteresowanych rozwojem branży energetycznej. W ostatnich latach do grona najbardziej dynamicznie rozwijających się źródeł wytwórczych zalicza się elektrownie wiatrowe. Niewielu inwestorów zdaje sobie sprawę z konsekwencji przyłączenia elektrowni wiatrowych do krajowej sieci elektroenergetycznej, jak również z późniejszej eksploatacji tychże źródeł. Po zawarciu umowy sprzedaży energii elektrycznej inwestorzy zobowiązani są do prognozowania generacji mocy wytwórczej w horyzoncie dwudziestoczterogodzinnym z wyprzedzeniem dobowym. Charakter pracy elektrowni wiatrowych sprawia, że predykcja mocy nie należy do łatwych czynności i w efekcie właściciele ponoszą koszty za odchylenia na rynku bilansującym (niezbilansowanie). Powstające koszty mogą przyczynić się do braku płynności finansowej właściciela projektu, a w efekcie do bankructwa. Opcjonalnym rozwiązaniem dla właściciela farmy wiatrowej jest zryczałtowana usługa operatora handlowego. W artykule przedstawiono analizę wybranych modeli prognostycznych, wykorzystywanych do predykcji mocy wytwórczej elektrowni wiatrowych, czynników wpływających na prognozy oraz model współpracy z kontrahentami poprzez usługę operatora handlowego.
    Źródło:
    Acta Energetica; 2014, 2; 140-155
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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