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 "forecasting energy consumption" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    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:
    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:
    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:
    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:
    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
    Tytuł:
    Ocena długoterminowych prognoz zużycia energii i mocy szczytowych w systemach elektroenergetycznych
    The problem of assessing long-term forecasts of energy consumption and peak power in the Power Systems
    Autorzy:
    Dąsal, K.
    Popławski, T.
    Rusek, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/283058.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    systemy elektroenergetyczne
    modelowanie
    prognoza długoterminowa
    moc szczytowa
    zużycie energii
    power systems
    modeling
    long-team forecasting
    peak power
    energy consumption
    Opis:
    W artykule skoncentrowano się na zagadnieniu dotyczącym oceny wykonywanych prognoz w dłuższych horyzontach. Przeprowadzono analizę kilku prognoz wykonanych w różnych instytucjach. Dokonano oceny prognoz energii i mocy szczytowych na podstawie kształtowania się rocznych stopni obciążeń.
    The article focuses on the issue concerning the assessment carried out at longer forecast horizons. An analysis of several forecasts made in different institutions. The assessment of forecasts of energy and peak power on the basis of formation of the annual load levels.
    Źródło:
    Polityka Energetyczna; 2011, 14, 2; 35-48
    1429-6675
    Pojawia się w:
    Polityka Energetyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozy długoterminowe energii elektrycznej w KSE – wybrane problemy
    Long-term forecasts of electric energy consumpti on in the domestic power engineering system – selected issues
    Autorzy:
    Dąsal, K.
    Popławski, T.
    Rusek, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/282367.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    prognozowanie
    model ekonometryczny
    system elektroenergetyczny
    metoda doboru zmiennych
    prognoza długoterminowa
    moc szczytowa
    zużycie energii
    forecasting
    econometric model
    power engineering system
    method of choice of variables
    long-term forecast
    peak power
    energy consumption
    Opis:
    Istnieje wiele czynników mających znaczenie w procesie prognozowania. Do najważniejszych zaliczyć należy wybór modelu oraz dobór zmiennych objaśniających w przypadku wielowymiarowego modelu ekonometrycznego. W artykule skoncentrowano się na doborze zmiennych, który odgrywa kluczową rolę. Spośród wielu istniejących i znanych algorytmów doboru zmiennych, w artykule przedstawiono autorsko wybrane trzy metody: metodę pojemności integralnej Hellwiga, metodę współczynnika korelacji cząstkowej oraz metodę współczynnika korelacji wielorakiej. Dla każdej z zastosowanych metod podano syntetyczny opis wyjaśniający istotę jej działania. Wybór modelu do opracowania prognoz potraktowano jako mniej istotny, ponieważ dla każdej metody doboru model jest ten sam. Obliczenia wykonano modelem MRK (Model Rozk?adu Kanonicznego), zamieszczając syntetyczny opis modelu. Wykazano na rzeczywistych danych jak zastosowana metoda doboru zmiennych objaśniających wpływa na uzyskane wyniki prognozy zużycia energii elektrycznej na poziomie kraju. W przykładzie obliczeniowym dysponowano potencjalnym zbiorem z siedmioma zmiennymi objaśniającymi. W opracowaniu zawarto 14 różnych prognoz otrzymanych w wyniku zastosowanych 3 metod wyboru zmiennych. Wyniki dopasowania modeli (prognoz wygasłych) oraz prognoz do 2030 roku, przedstawiono w tabelach i na wykresach. We wnioskach zawarto uwagi dotyczące prognoz długoterminowych podstawowych wielkości dotyczących Krajowego Systemu Elektroenergetycznego, mogące mieć wpływ na poprawność ocen tych prognoz. Zwrócono uwagę na problem poprawności oceny prognoz długoterminowych dotyczącej zużycia energii czy mocy szczytowych. Wskazanie prognoz o mniejszym ryzyku pope?nienia dużych błędów umożliwia równoległa analiza prognozy zużycia energii elektrycznej, prognozy szczytów obciążeń z jednoczesnym wyznaczeniem wielkości umożliwiających realność prognoz. Może to przykładowo być wyznaczenie rocznych stopni obciążenia, dla których mamy ściśle określony zakres zmienności. W przypadku dysponowania jedynie prognozę zużycia energii elektrycznej możliwe są inne analizy, przykładowo porównania energochłonności PKB, energochłonności produktów czy gałęzi gospodarki w wybranych krajach. Jeszcze innym, powszechnie stosowanym wskaźnikiem jest roczne zużycie energii elektrycznej na osobę. Prognozy ludności są jednymi z dokładniejszych, stąd ten wskaźnik może być dobrym odniesieniem przy porównywaniu prognoz.
    There exist a number of important factors in forecasting processes. The most significant in the case of a multi-dimensional econometric model are the choice of the model and the explanatory variables. This paper focuses on the choice of variables, which plays a crucial role. Among many existing and recognized algorithms for the selection of variables, the following three chosen arbitrarily by the authors are presented: the method of integral capacity by Hellwig, the partial correlation coefficient, and multiple correlation coefficient. For each considered method, a synthetic description explaining its action is given. The choice of the model for making forecasts was treated as less significant because, for each method, the same model is used. Calculations were made using the MRK (Model of Canonical Distribution) model. The synthetic description of the model is also provided. Using real-life data, the analysis demonstrates how the method applied in choosing explanatory variables influences the obtained forecast results concerning the consumption of electric energy on a national scale. In the example calculation, a potential dataset of seven explanatory variables was used. The paper summarizes fourteen different forecasts obtained from three methods of variables selection. The results of model fittings (extinct forecasts) and forecasts until 2030 are presented in the form of tables and charts. Concluding remarks concern long-term forecasts of fundamental quantities related to the Domestic Power Engineering System, which may influence the correctness of these forecasts. Particular attention was paid to the issue of the correctness of long-term forecasts related to energy consumption and peak power. An analysis of the forecast of energy consumption, processed parallel to the determination of quantities assessing the reality of these forecasts, makes it possible to indicate the forecasts endowed with the lowest risk of making excessive errors. For example, it may be possible to consider the determination of annual load levels for which a pre-determined, exact level of variability is given. In situations where only the forecast of electric energy consumption is available, it is possible to develop further analyses such as a comparison of energy consumption for a Domestic Brutto Product, energy consumption for products, or economic branches in selected countries. Yet another indicator in common use is annual energy consumption per capita. Forecasts per capita are among the most exact; therefore, this indicator may be a useful tool for comparison of different forecasts.
    Źródło:
    Polityka Energetyczna; 2012, 15, 4; 71-83
    1429-6675
    Pojawia się w:
    Polityka Energetyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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