Prognozowanie zużycia energii elektrycznej w trakcie pandemii przy użyciu modeli szeregów czasowych

• Autorzy: Smyk Robert , Kowalski Paweł

Identyfikatory

DOI

10.21008/j.1897-0737.2021.106.0005

Warianty tytułu

EN

Forecasting Electricity Consumption During a Pandemic Using Time Series Models

• Języki publikacji: PL

Abstrakty

PL

W artykule przeanalizowano zmiany zapotrzebowania na energię elektryczną w Polsce w trakcie trwania okresów zamrożenia niektórych sektorów gospodarki. Wykonano analizy statystyczne historycznych danych zużycia energii. Zaproponowano również model prognozowania zapotrzebowania na energię elektryczną i wykonano jego weryfikację wykorzystując dane historyczne i bieżące podczas trwania pandemii. Zaproponowano modelowanie przy użyciu szeregów czasowych. Zaprezentowano szczegółowe parametry modeli, także omówiono metodykę ich strojenia.

EN

The article analyzes the impact of the Covid-19 pandemic on changes in electricity demand in Poland. Statistical analyzes of historical energy consumption data were performed. A model for forecasting electricity demand was also proposed and it was verified using historical and current data during the pandemic. Modeling using a time series has been proposed. The detailed parameters of the models were presented, as well as the methodology of their tuning.

Słowa kluczowe

PL

wytwarzanie energii elektrycznej; polityka energetyczna; wpływ na środowisko; energia; bazy danych; covid-19; mobilność; środowisko

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2021
• Tom: No. 106
• Strony: 57--70
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Smyk Robert

• Państwowa Wyższa Szkoła Zawodowa w Elblągu

autor

Kowalski Paweł

• Państwowa Wyższa Szkoła Zawodowa w Elblągu

Bibliografia

• [1] ENTSO-E, E.E., Available online: https://transparency.entsoe.eu (dostęp na dzień 30.05.2021 r.).
• [2] Hale, T.; Angrist, N.; Goldszmidt, R.; Kira, B.; Petherick, A.; Phillips, T.; Webster, S.; Cameron-Blake, E.; Hallas, L.; Majumdar,S.; others. A global panel database of pandemic policies (Oxford COVID-19 Government Response Tracker). Nature Human Behaviour 2021, 5, 529–538.
• [3] Vagropoulos, S.I.; Chouliaras, G.; Kardakos, E.G., Simoglou, C. K., Bakirtzis, A.G. Comparison of SARIMAX, SARIMA, modified SARIMA and ANN-based models for short-term PV generation forecasting. 2016 IEEE International Energy Conference (ENERGYCON). IEEE, 2016, pp. 1–6.
• [4] Box, G.E.; Jenkins, G.M.; Reinsel, G.C.; Ljung, G.M. Time series analysis: forecasting and control; John Wiley & Sons, 2015.
• [5] McElreath, R. Statistical rethinking, A Bayesian course with examples in R and Stan; Chapman and Hall/CRC, 2018; p. 189.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).