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 "prognozowanie zużycia energii" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    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:
    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:
    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
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies