Informacja

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

Wyszukujesz frazę "consumption forecasting" wg kryterium: Temat


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
Tytuł:
Macromodeling of local power supply system balance forecasting using fractal properties of load and generation schedules
Makromodelowanie prognozowania bilansu lokalnego systemu elektroenergetycznego z wykorzystaniem fraktalnych właściwości planówobciążenia i generacji
Autorzy:
Jarykbassov, Daniyar
Lezhniuk, Petr
Hunko, Iryna
Lysyi, Vladyslav
Dobrovolska, Lyubov
Powiązania:
https://bibliotekanauki.pl/articles/27315445.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
power supply system
urban development
power consumption forecasting
macromodelling
fractal properties
system zasilania
rozwój miast
prognozowanie zużycia energii
makromodelowanie
właściwości fraktalne
Opis:
A method of forecasting the balance of electricity consumption of urban development objects, civil purposes using discrete macromodels is proposed. We consider the power supply system (PSS) of the district, which is characterised by power supply from general-purpose power grids, as well as having its own generation of electricity from renewable energy sources (RES). Such a local electric power system (LES) under certain conditions can be operated as an independent balanced electrical facility. For optimal operation of the LES under these conditions, it is necessary to predict its power consumption schedules. The proposed macromodelling method allows to develop deterministic models of power consumption with the required accuracy on the basis of retrospective information without the use of data preprocessing procedures. The solution to the problem of forecasting electricity consumption schedules is simplified by using only basic or deterministic characteristics in the construction of the model. These include fractal properties of PSS load schedules.
Zaproponowano metodę prognozowania bilansu zużycia energii elektrycznej przez obiekty miejskie o przeznaczeniu cywilnym z wykorzystaniem makromodeli dyskretnych. Rozważany jest system zasilania (SZ) dzielnicy, który charakteryzuje się zasilaniem z sieci ogólnego przeznaczenia, a także posiada własną produkcję energii elektrycznej z odnawialnych źródeł energii (OZE). Taki lokalny system elektroenergetyczny (LES) w pewnych warunkach może być eksploatowany jako niezależny, zrównoważony obiekt elektryczny. Aby zapewnić optymalne działanie LES w takich warunkach, konieczne jest przewidywanie jego harmonogramów poboru mocy. Proponowana metoda makromodelowania pozwala na opracowanie deterministycznych modeli poboru mocy z wymaganą dokładnością na podstawie informacji retrospektywnych bez stosowania procedur wstępnego przetwarzania danych. Rozwiązanie problemu prognozowania planów zużycia energii elektrycznej jest uproszczone poprzez wykorzystanie w konstrukcji modelu jedynie podstawowych lub deterministycznych charakterystyk. Obejmują one fraktalne właściwości harmonogramów obciążenia SZ.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 3; 79--82
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie algorytmów sztucznych sieci neuronowych do prognozowania zużycia energii elektrycznej
Application artificial neural networks for electricity prediction
Autorzy:
Włas, M.
Powiązania:
https://bibliotekanauki.pl/articles/266363.pdf
Data publikacji:
2016
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
prognozowanie zużycia energii
sztuczne sieci neuronowe
forecasting energy consumption
artificial neural network
Opis:
W artykule przestawiono algorytm przewidywania zużycia energii elektrycznej budynków mieszkalnych z wykorzystaniem informacji o produkcji i warunkach atmosferycznych. W artykule została zaproponowana własna metoda predykcji z wykorzystaniem wielowarstwowej jednokierunkowej sztucznej sieci neuronowej. W pracy zostały przedstawione podstawowe pojęcia z zakresu sieci neuronowych oraz testy działania programu prognozującego na podstawie rzeczywistych danych pomiarowych. Głównym zadaniem badawczym było sprawdzenie dokładności algorytmu predykcji do prognozowania zużycia energii elektrycznej. Ma to na celu uzyskanie programu, którego wyniki o charakterze ilościowym będą wykorzystywane do prognozowania potrzeb zakupowych na TGE (Towarowej Giełdzie Energii) przy udziale metody zakupu energii elektrycznej na Rynku Dnia Następnego.
This paper presents a flexible approach to forecasting of energy consumption in residential buildings, using time series analysis and neural networks. Our goal is to develop a one day-ahead forecasting model based on an artificial neural network using information about temperature of air. The article has been proposed neural network prediction method using a multilayered feed-forward artificial neural network with the backpropagation training algorithm. Experimental results have showed that the proposed neural network can faithfully reproduce the curve of daily energy consumption with a percentage error less than 3.74%.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2016, 51; 217-220
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognoza krajowego zapotrzebowania na energię elektryczną
Forecast of electricity demand of the Polish power system
Autorzy:
Maciejewski, Z.
Powiązania:
https://bibliotekanauki.pl/articles/249640.pdf
Data publikacji:
2013
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
prognozowanie zużycia energii
krajowe zużycie energii
forecasting of energy consumption
energy consumption in Poland
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.
There are a lot of forecasts of domestic electricity demand in the literature which were made by using a lot of finance cost. Most of those forecasts were significantly exaggerated, and there were disagreed with real of electricity demand. All the forecasts do not come up to users for which were destined. In this paper it is given the estimation of forecast of domestic electricity demand proposed by author in 2004. This forecast was made using the indicators of growth of Gross Domestic Product and the electricity absorptive of Gross Domestic Product. It is shown that this forecast is in agreement with the real electricity demand until 2012. For the basics of statistical data consumption of electricity it is determined the indicators of electricity absorptive of Gross Domestic Product of Poland for years 2004 - 2012. It is shown that these indicators have considerably decreasing trend. Using the method proposed by authors in 2004, the new forecast of domestic electricity demand until 2030 is given.
Źródło:
TTS Technika Transportu Szynowego; 2013, 10; 277-285, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Opracowanie metody oraz wyznaczenie wskaźników pogodowych do szacowania zużycia gazu na potrzeby usługi dystrybucyjnej wśród odbiorców, u których nie wykonuje się dobowych pomiarów ilości zużycia gazu
Development of a method and determination of weather indicators for estimating gas consumption for the purposes of the distribution service for non-daily metered gas customers
Autorzy:
Gacek, Zbigniew
Jaworski, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/2143399.pdf
Data publikacji:
2021
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
szacowanie objętości paliwa gazowego
prognozowanie zużycia gazu
wskaźniki pogodowe WSK
rozliczanie odbiorców typu WS
gas fuel volume estimation
gas consumption forecasting
WSK weather indicators
settlement of WS type customers
Opis:
W artykule przedstawiono sposób rozliczania odbiorców, którzy nie mają dobowej rejestracji zużycia paliwa gazowego. Zaprezentowano charakterystykę metody doszacowywania i progowania zużycia gazu stosowanej w polskim gazownictwie do października 2021 roku. Opisano zasady doszacowywania i prognozowania zużycia gazu metodą temperaturową. Przedstawiono autorską metodykę rozszacowania zużycia gazu metodą „cieplną” oraz sposób oszacowania dobowych historycznych zużyć gazu przez odbiorców z danych odczytowych gazomierzy. Opracowano zasady wyznaczania wskaźników pogodowych WSK w polskim systemie gazowniczym. Na podstawie danych zużycia gazu otrzymanych od operatora systemu dystrybucyjnego – Polskiej Spółki Gazownictwa Sp. z o.o. przedstawiono realizację wyznaczania wskaźników progowych WSK. W opracowanej na potrzeby realizacji pracy aplikacji wspomagającej „WSK” wer. 0.21 przeprowadzono obliczenia dobowego zużycia gazu przez odbiorców w funkcji temperatury dla każdej strefy temperaturowej. Na podstawie obliczonych zużyć dobowych paliwa gazowego dokonano analizy regresji dla dwóch modeli statystycznych: modelu liniowego Y = a + bX oraz modelu pierwiastek kwadratowy-Y: Y = (a + bX) 2 . Analizę korelacji przeprowadzono dla grup taryfowych oraz podzielonych na dwie części (podgrupy a i b) grup taryfowych. Wskaźniki pogodowe zostały wyznaczone na podstawie wyników analizy regresji. Analiza uzyskanych wartości współczynników korelacji r i R 2 wskazuje, że uzyskano większe wartości tych współczynników w podgrupach niż w przypadku grup taryfowych. W sensie statystycznym oznacza to, że otrzymano lepsze dopasowanie modelu w przypadku podgrup, stąd też można przypuszczać, że stosowanie współczynników WSK w podgrupach będzie dokładniejszym sposobem wyznaczania zużycia gazu. Opracowana metodyka badawcza oraz obliczeniowa pozwoliła na wypracowanie koncepcji zasad wyznaczania wskaźników WSK. W pracy wskazano, że oprócz wpływu warunków klimatycznych na wielkość zużycia gazu istotny jest również charakter poboru gazu, tj. czynniki gospodarcze oraz możliwości wytwarzania energii w alternatywny sposób, determinujące wielkość konsumpcji gazu. Przeprowadzona analiza regresji liniowej wykazała statystycznie istotną korelację pomiędzy wartością dziennego zużycia gazu, a średnią dzienną temperaturą otoczenia. Przyjęta w pracy metodyka pozwoliła na wyznaczenie niezależnych dwóch modeli WSK. Pierwszy z nich określa jedną wartość wskaźnika WSK dla grupy taryfowej, a drugi dwa wskaźniki WSK dla podgrup taryfowych. Mając na względzie większe wartości współczynników korelacji, ten ostatni model jest rekomendowany do stosowania w praktyce. Wyznaczone wskaźniki WSK zostały wdrożone do stosowania w polskim systemie gazowym do szacowania oraz prognozowania zużycia gazu w punktach wyjścia typu WS – tzw. metodą temperaturową, wykorzystywaną w PSG do końca października 2021 roku.
The article presents the method of billing for non-daily metered customers. Characteristics of the method of estimation and thresholding of gas consumption used in the Polish gas industry up to October 2021 are presented. The principles of additional estimation and forecasting of gas consumption using the temperature method are described. The paper presents the proprietary methodology of gas consumption estimation using the “thermal” method and the method of estimating historical daily gas consumption by consumers based on gas meters readout data. Principles for determining WSK weather indicators in the Polish gas system have been developed. Based on gas consumption data obtained from the Polish Natural Gas Operator Polska Spółka Gazownictwa Sp. z o.o., the implementation of determining the threshold WSK indicators was done. In the supporting application ‘WSK’ ver. 0.21, calculations of the daily gas consumption of consumers as a function of temperature for each temperature zone were carried out. Based on the calculated daily gas consumption, a regression analysis for two statistical models: the linear model Y = a + bX and the square root-Y model: Y = (a + bX) 2 was performed. The correlation analyses were carried out for main tariff groups and for tariff groups divided into two parts (subgroups a and b). The weather indicators were determined based on the results of the regression analysis. The analysis of the obtained values of the correlation coefficients r and R 2 shows that higher values of these coefficients were obtained in the subgroups than in the case of tariff groups. In statistical terms, this means that a better fit of the model was obtained for the subgroups. Hence, it can be assumed that the use of WSK coefficients in subgroups will provide a more accurate method of determining gas consumption. The developed research and computational methodology allowed for the development of the concept of principles for determining WSK indicators. The paper shows that apart from the influence of climatic conditions on the volume of gas consumption, the nature of gas consumption, i.e. economic factors and the possibility of producing energy in an alternative way, determining the volume of gas consumption, is also important. The linear regression analysis showed a statistically significant correlation between the value of daily gas consumption and the average daily ambient temperature. The methodology adopted in the work allowed for the determination of two independent WSK models. The first one, specifying one value of the WSK index for a tariff group, and the second one with two WSK indexes for sub-tariff groups. Taking into account the higher values of the correlation coefficients, the latter model is recommended for use in practice. The determined WSK indicators have been implemented for use in the Polish gas system for estimating and forecasting gas consumption for non-daily metered gas customers.
Źródło:
Nafta-Gaz; 2021, 77, 12; 795-804
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Residential electricity consumption in Poland
Autorzy:
Ropuszyńska-Surma, E.
Węglarz, M.
Powiązania:
https://bibliotekanauki.pl/articles/406401.pdf
Data publikacji:
2016
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
forecasting
demand forecasting
econometric model
electricity consumption
HDD index
Opis:
Key factors influencing electricity consumption in the residential sector in Poland have been identified. A fixed-effects model was used, which includes time effects, and a set of covariates, based on the model developed by Houthakker et al. This model estimates electricity demand by using lagged values of the dependent variable along with current and lagged values of electricity prices, and other variables that affect electricity demand such as: population, economic growth, income per capita, price of related goods, etc. The model has been identified according to the research results of the authors and those obtained by Bentzen and Engsted. The set of covariates was extended to the lagged electricity price given by a tariff (taken from two years previous to the time of interest) and heating degree days index, a very important factor in European Union countries, where the climate is temperate. The authors propose four models of residential electricity demand, for which a confidence interval of 95% has been assumed. Estimation was based on Polish quarterly data for the years 2003–2013.
Źródło:
Operations Research and Decisions; 2016, 26, 3; 69-82
2081-8858
2391-6060
Pojawia się w:
Operations Research and Decisions
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of the methods for gas demand forecasting
Autorzy:
Apostol, R.
Łaciak, M.
Oliinyk, A.
Szurlej, A.
Powiązania:
https://bibliotekanauki.pl/articles/298637.pdf
Data publikacji:
2017
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
natural gas
gas consumption
gas demand forecasting
Opis:
Natural gas is a very important and strategic resource. In the structure of the world’s primary energy, its share is currently approx. 25 and according to the forecasts it will continue to grow. In addition, the transition the large cities to gas as the main energy resource is an effective solution for reducing harmful emissions and improving air quality. The trend of increasing consumption of natural gas causes the complex technical issues, especially the need of accurate forecasting the gas demand, design the new distribution networks and modernization of the existing systems of gas supply. This article presents a review of existing methods for gas demand forecasting based on the gas engineering literature analysis and the approach for the forecasting of gas consumption based on the analysis of the gas consumption diagrams of gas station.
Źródło:
AGH Drilling, Oil, Gas; 2017, 34, 2; 429-438
2299-4157
2300-7052
Pojawia się w:
AGH Drilling, Oil, Gas
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
The energy consumption forecasting in Mongolia based on Box-Jenkins method (Arima model)
Autorzy:
Zolboo, Gansukh
Adiya, Bor
Bilguun, Enkhbayar
Powiązania:
https://bibliotekanauki.pl/articles/101770.pdf
Data publikacji:
2019
Wydawca:
Instytut Polityki Energetycznej im. Ignacego Łukasiewicza
Tematy:
energy forecasting
energy consumption
ARIMA model
Box-Jenkins method
Opis:
The primary products of the power industry are electric energy and thermal energy. Thus, forecasting electric energy consumption is significant for short and long term energy planning. ARIMA model has adopted to forecast energy consumption because of its precise prediction for energy consumption. Our result has shown that annual average electric energy consumption will be 10,628 million kWh per year during 2019-2030 which approximately 3.3 percent growth per annum. At the moment, there is not a practice solution for the storage of electricity in Mongolia. Therefore, energy supply and demand have to be balanced in real-time for operational stability. Without an accurate forecast, the end-users may experience brownouts or even blackouts or the industry could be faced with sudden accidents due to the energy demand. For this reason, energy consumption forecasting is essential to power system stability and reliability.
Źródło:
Energy Policy Studies; 2019, 1 (3); 70-77
2545-0859
Pojawia się w:
Energy Policy Studies
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Trends in Cigarettes Consumption in Poland According to Expotential Smoothing and Autoregressive Models
Badanie tendencji spożycia papierosów w Polsce z wykorzystaniem modeli wyrównania 359 wykładniczego i modeli autoregresyjnych
Autorzy:
Jałowiecka, Ewa
Jałowiecki, Piotr
Orłowski, Arkadiusz
Powiązania:
https://bibliotekanauki.pl/articles/906283.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
cigarettes consumption
forecasting
expotential smoothing models
autoregressive models
comer methods
prewhitening technique
Opis:
Polski przemysł wyrobów tytoniowych przechodzi w ostatnich latach znaczące przemiany związane z akcesją Polski do Unii Europejskiej. Stanowi on ważny sektor polskiej gospodarki generując 7,5% dochodów budżetu państwa. W pracy porównano prognozy spożycia papierosów w latach 2006-2010 przygotowane w oparciu o wybrane modele wyrównywania wykładniczego oraz autoregresyjne na podstawie danych historycznych z lat 1995-2005. Główną uwagę skoncentrowano na trendzie w prognozach. Identyfikację modeli autoregresyjnych przeprowadzono przy użyciu metod typu „corner” oraz rozszerzonej funkcji autokorelacji. W celu zwiększenia wiarygodności, prognozy przygotowano z uwzględnieniem zidentyfikowanych wartości odstających. Uzyskane wyniki porównano z danymi szacunkowymi uzyskanymi z Głównego Urzędu Statystycznego oraz z wynikami prognoz uwzględniających jako dodatkową zmienną produkcję papierosów przygotowanymi z zastosowaniem techniki „prewhitening”. Przeprowadzono dyskusję zalet i wad zastosowanych metod.
Polish tobacco industry has been recently changing significantly due to accession of Poland to EU. It is one of the prime sector of polish economy. It generates every year about 7% of budget incomes on average. The aim of this paper is to compare some forecast methods of cigarettes consumption in 2006-2010. The models used exponential smoothing and autoregression theory. The forecasts were estimated on historical data from 1995-2005. The main attention was focused on the trends in prediction. Identification, the most crucial stage in fitting autoregressive models exploited different approach such as the comer method and extended sample autocorrelations. The outlier selection techniques were also applied to get more reliable estimates. The results were compared to the predicted values obtained from Central Statistical Office and to the results of forecasts taking cigarettes production into consideration due to prewhitening technique. The advantages and drawbacks of different methods are discussed.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecast models of electric energy consumption by village recipients over a long-term horizon based on fuzzy logic
Modele prognostyczne zuzycia energii elektrycznej przez odbiorcow wiejskich w dlugim horyzoncie czasowym oparte na logice rozmytej
Autorzy:
Trojanowska, M.
Malopolski, J.
Powiązania:
https://bibliotekanauki.pl/articles/792612.pdf
Data publikacji:
2011
Wydawca:
Komisja Motoryzacji i Energetyki Rolnictwa
Tematy:
electrical energy
long-term forecasting
energy consumption
village recipient
fuzzy model
Mamdani model
market economy
annual consumption
Polska
Źródło:
Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2011, 11C
1641-7739
Pojawia się w:
Teka Komisji Motoryzacji i Energetyki Rolnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ekonometryczny model krótkoterminowego prognozowania zużycia gazu
Econometric model of short-term natural gas consumption forecasting
Autorzy:
Kwilosz, Tadeusz
Filar, Bogdan
Powiązania:
https://bibliotekanauki.pl/articles/2143631.pdf
Data publikacji:
2021
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
model ekonometryczny
krótkoterminowe prognozowanie
zużycie gazu
econometric model
short-term forecasting
natural gas consumption
Opis:
W celu opracowania modelu krótkoterminowego zapotrzebowania na gaz konieczne jest dokonanie analizy najnowszych metod prognozowania matematycznego w celu wyboru i zaadaptowania właściwej z nich (spełniającej warunek efektywności i skuteczności). Niezbędne jest rozpoznanie i analiza czynników (głównie środowiskowych) wpływających na wynik krótkoterminowych prognoz oraz źródeł danych możliwych do wykorzystania. Efektem wykonanej pracy jest model numeryczny krótkoterminowego zapotrzebowania na gaz dla wybranej jednostki terytorialnej kraju. Opracowany model został skalibrowany i przetestowany na historycznych danych opisujących warunki środowiskowe i rzeczywiste zużycie gazu. Zaprojektowano i skalibrowano, na podstawie wybranego zestawu atrybutów (zmiennych objaśniających), niejednorodny liniowy model ekonometryczny. Dokonano statystycznej weryfikacji oszacowanych parametrów modelu. Warto zauważyć, że w krótkim terminie wykonania prognozy (7 dni) nie zachodzą znaczące zmiany w otoczeniu rynku gazowego (uruchomienie nowych inwestycji, podłączenie nowych użytkowników do systemu czy zmiany zapotrzebowania wynikające ze zmieniających się warunków makroekonomicznych). Inne czynniki techniczne, takie jak awarie linii produkcyjnych u odbiorców czy przestoje przemysłowe, są trudne do przewidzenia lub wiedza o nich rzadko jest dostępna. Z tego względu jedynymi czynnikami mogącymi mieć wpływ na zmiany zapotrzebowania gazu w krótkim terminie są czynniki pogodowe, które zostały wybrane jako zmienne objaśniające dla opracowanego modelu. Historyczne dane pogodowe zostały pobrane z usługi sieciowej (web service) OpenWeatherMap History Bulk. Jako zmiennej objaśnianej użyto dobowych wartości zużycia gazu dla jednego z województw Polski południowej. Dane zostały pobrane z systemu wymiany informacji operatora gazociągów przesyłowych. Dane dotyczą okresu trzyletniego, gdyż tylko takie dane zostały upublicznione. Zmienne objaśniające obejmują dobowe wartości danych pogodowych, takich jak: średnia temperatura, temperatura odczuwalna, temperatura minimalna, temperatura maksymalna, ciśnienie atmosferyczne, wilgotność względna, prędkość wiatru i kierunek wiatru.
In order to develop a mathematical model of short-term gas demand, it is necessary to analyze the latest mathematical forecasting methods in order to select and adapt the right one (meeting the condition of efficiency and effectiveness). It is necessary to recognize and analyze factors (mainly environmental) affecting the result of short-term forecasts and sources of data that can be used. The result of the work is a numerical model of short-term gas demand for a selected territorial unit of the country. The developed model was calibrated and tested on historical data describing environmental conditions and real gas consumption. A heterogeneous linear econometric model was designed and calibrated on the basis of a selected set of attributes (explanatory variables). The estimated parameters of the model were statistically verified. It is worth noting that in the short term of the forecast (7 days) there are no significant changes in the gas market environment (launching new investments, connecting new users to the system, or changes in demand resulting from changing macroeconomic conditions). Other technical factors, such as production line failures at customers or industrial downtime, are difficult to predict, or knowledge about their occurrence is rarely available. For this reason, the only factors that may have an impact on changes in gas demand in the short term are weather factors, which were selected as explanatory variables for the developed model. Historical weather data was retrieved from the OpenWeatherMapHistoryBulk web service. Daily values of gas consumption for one of the voivodships of southern Poland were used as the response variable. The data was downloaded from the information exchange system of the transmission pipeline operator. The data covers a three-year period, as only such data has been made public. The explanatory variables include the daily values of weather data such as: average temperature, chilled temperature, minimum temperature, maximum temperature, atmospheric pressure, relative humidity, wind speed and wind direction.
Źródło:
Nafta-Gaz; 2021, 77, 7; 454-462
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of exponential smoothing method to forecasting daily water consumption in rural areas
Zastosowanie metody wygładzania wykładniczego do prognozowania dobowego zużycia wody w obszarach wiejskich
Autorzy:
Cieżak, Wojciech
Kutyłowska, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/27312154.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
prognozowanie
sieć przewodów
wygładzanie wykładnicze
zużycie wody
forecasting
exponential smoothing
pipe network
water consumption
Opis:
The size and distribution of water demand within a given structural unit is the basis for the proper operation and planning of the expansion and modernization of the water supply system’s elements. In rural areas, particularly in municipalities adjacent to urban-industrial agglomerations, a change in the use of tap water has been increasingly observed. The water consumption for animal breeding or agricultural use, typical of these areas, has been decreasing and even disappearing. Water has been increasingly used for domestic purposes in single- and multi-family housing as well as for other purposes such as watering lawns and filling residential swimming pools. Taking this into account, this paper presents observations regarding daily water consumption in a municipality adjacent to Wrocław together with an analysis of the possibility of using the exponential smoothing method for the short-term forecasting of daily water consumption. The analyses presented in this paper were carried out using STATISTICA 13 software.
Wzrost zapotrzebowania na wodę w gminach przyległych do dużych aglomeracji, a co za tym idzie wzrost produkcji wody, zmuszają przedsiębiorstwa wodociągowe do szukania nowych rozwiązań dotyczących między innymi optymalnego sterowania takimi procesami jak: ujmowanie i rozdział dyspozycyjnych zasobów wodnych, dystrybucja oraz oczyszczanie wody i ścieków. Aby zapewnić skuteczne sterowanie tymi procesami wymagany jest między innymi skalibrowany model hydrauliczny sieci dystrybucji i model prognostyczny poboru wody. Do bieżącego i krótkoterminowego prognozowania poboru wody wykorzystywane są modele stochastyczne, wprowadzane w postaci zalgorytmizowanej do struktury zarządzania procesem sterowania. Najczęściej stosowane są scałkowane modele autoregresji i średniej ruchomej ARIMA oraz metody wygładzania wykładniczego szeregów czasowych. Modele klasy ARIMA odwzorowują właściwości statyczne i dynamiczne szeregów stacjonarnych i pewnych klas szeregów niestacjonarnych, interpretowanych jako wynik przejścia białego szumu przez dyskretny filtr liniowy skończenie wymiarowy. Charakteryzują się one różnymi właściwościami przy jednolitym zapisie formalnym oraz identycznych metodach estymacji parametrów dla różnych typów i podklas modeli. Metody prognozowania oparte na algorytmach wygładzania wykładniczego są łatwe do praktycznego zastosowania i nie wymagają założenia o stacjonarności analizowanego szeregu czasowego. W niniejszej pracy przedstawiono obserwacje dotyczące dobowego zużycia wody w jednej z gmin przyległej do Wrocławia wraz z analizą możliwości zastosowania metody wygładzania wykładniczego do krótkoterminowego prognozowania dobowego poboru wody.
Źródło:
Archives of Civil Engineering; 2023, 69, 3; 445--456
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Varimax Model to Forecast the Emission of Carbon Dioxide from Energy Consumption in Rubber and Petroleum Industries Sectors in Thailand
Autorzy:
Sutthichaimethee, P.
Powiązania:
https://bibliotekanauki.pl/articles/125458.pdf
Data publikacji:
2017
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
Rubber, Chemical and Petroleum Industries sectors
population
forecasting model
energy consumption
CO2 emission
GDP growth
Opis:
This study aims to analyze the forecasting of CO2 emission from the energy consumption in the Rubber, Chemical and Petroleum Industries sectors in Thailand. The scope of research employed the input-output table of Thailand from the year 2000 to 2015. It was used to create the model of CO2 emission, population, GDP growth and predict ten years and thirty years in advance. The model used was the VARIMAX Model which was divided into two models. The results show that from the first model by using which predicted the duration of ten years (2016–2025) by using VARIMAX Model (2,1,2), On average, Thailand has 17.65% higher quantity of CO2 emission than the energy consumption sector (in 2025). The second model predicted the duration of 30 years (2016–2045) by using VARIMAX Model (2,1,3) shows that Thailand has average 39.68% higher quantity of CO2 emission than the energy consumption sector (in 2025). From the analyses, it shows that Thailand has continuously higher quantity of CO2 emission from the energy consumption. This negatively affects the environmental system and economical system of the country incessantly. This effect can lead to unsustainable development.
Źródło:
Journal of Ecological Engineering; 2017, 18, 3; 112-117
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł

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