Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
Identyfikatory
DOI
Warianty tytułu
Forecasting natural gas consumption in monthly cycles with the ARIMA model
Języki publikacji
Abstrakty
Potraktowanie zużycia paliwa w kotłowni jako szeregu czasowego daje możliwość użycia do analizy tego zjawiska narzędzi odpowiednich do przetwarzania takich danych. Jednym z nich są modele ARIMA. W artykule zaproponowano wykorzystanie tego typu modeli do prognozowania miesięcznego zużycia gazu w kotłowni pracującej na potrzeby ogrzewania i przygotowania ciepłej wody. Kotłownia zasila w ciepło grupę budynków mieszkalnych. Na podstawie zebranych danych pomiarowych wytypowano trzy konkretne modele, dla których przeprowadzono ocenę trafności prognozy. Obliczenia i analizy zostały przeprowadzone w środowisku R przy zastosowaniu pakietów forecast oraz ggplot2. Wykazana została dobra jakość uzyskanych prognoz, potwierdzająca przydatność zaproponowanych narzędzi analitycznych. W podsumowaniu artykułu wskazano również, do jakich celów można wykorzystać uzyskane w ten sposób prognozy. Mogą one być przydatne do diagnostyki poprawności działania źródła ciepła. Zarejestrowanie zużycia paliwa na poziomie poważnie odbiegającym od prognozy powinno być jednoznaczną przesłanką do niezwłocznego przeprowadzenia diagnozy stanu pracy kotłowni i całego systemu zaopatrzenia w ciepło oraz wyjaśniania przyczyny tej różnicy. W ten sposób można doprowadzić do wykrycia nieprawidłowości w działaniu systemu zaopatrzenia w ciepło, na długo przed stwierdzeniem ich tradycyjnymi metodami. Prognoza zużycia gazu jest też przydatna do optymalizacji zarządzania finansami zarządcy nieruchomości odpowiedzialnego za eksploatację kotłowni. Na tej podstawie mogą być planowane opłaty eksploatacyjne lub też operacje finansowe z wykorzystaniem okresowej nadwyżki kapitału, pochodzącej z różnicy pomiędzy wydatkami na zakup paliwa a opłatami za ogrzewanie.
Describing the gas boiler fuel consumption as a time series gives the opportunity to use tools appropriate for the processing of such data to analyze this phenomenon. One of them are ARIMA models. The article proposes this type of model to be used for predicting monthly gas consumption in a boiler room working for heating and hot water preparation. The boiler supplies heat to a group of residential buildings. Based on the collected data, three specific models were selected for which the forecast accuracy was assessed. Calculations and analyses were carried out in the R environment using “forecast” and “ggplot2” packages. A good quality of the obtained forecasts has been demonstrated, confirming the usefulness of the proposed analytical tools. The article summary also indicates for what purposes the forecasts obtained in this way can be used. They can be useful for diagnosing the correct operation of a heat source. Registering fuel consumption at a level significantly deviating from the forecast should be a signal to immediately diagnose the boiler room and the heat supply system and to explain the reason for this difference. In this way, it is possible to detect irregularities in the operation of the heat supply system before they are detected by traditional methods. The gas consumption forecast is also useful for optimizing the financial management of the property manager responsible for the operation of the boiler room. On this basis, operating fees or financial operations with the use of periodic surplus capital may be planned.
Rocznik
Tom
Strony
145--158
Opis fizyczny
Bibliogr. 13 poz., tab., wykr.
Twórcy
autor
- Politechnika Wrocławska, Katedra Klimatyzacji, Ogrzewnictwa, Gazownictwa i Ochrony Powietrza, Wrocław
autor
- Politechnika Wrocławska, Katedra Klimatyzacji, Ogrzewnictwa, Gazownictwa i Ochrony Powietrza, Wrocław
Bibliografia
- [1] Baldacci i in. 2016 – Baldacci, L., Golfarelli, M., Lombardi, D. i Sami, F. 2016. Natural gas consumption forecasting for anomaly detection. Expert Systems With Applications No. 62, s. 190–201.
- [2] Bartnicki, G. i Nowak, B. 2018. Zmienność poboru paliwa gazowego w lokalnych źródłach ciepła obsługujących grupy budynków mieszkalnych. Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN nr 102, s. 37–50.
- [3] Brabec i in. 2008 – Brabec, M., Konar, O., Pelikan, E. i Maly, M. 2008. A nonlinear mixed effects model for the position of natural gas consumption by individual customers. International Journal of Forecasting No. 24, s. 659–678.
- [4] Doty, S. 2007. Commercial Energy Auditing. Reference Handbook. The Fairmont Press, Lilburn.
- [5] Franco, A. 2016. Natural gas consumption and correlation with the uses of thermal energy: Analysis of the Italian case. Journal of Natural Gas Science and Engineering No. 31, s. 703–714.
- [6] Gałuszka, M. i Paruch, J. red. 2011. Energetyka gazowa. Tarbonus, Kraków–Tarnobrzeg.
- [7] Górzyński, J. 2012. Podstawy analizy energetycznej obiektów budowlanych. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.
- [8] Harvey, L.D.D. 2006. A Handbook on Low-Energy Buildings and District-Energy Systems. Earthscan, London – Sterling VA.
- [9] Ozmen i in. 2018 – Ozmen, A., Yilmaz, Y. i Weber, G.W. 2018. Natural gas consumption forecast with MARS and CMARS models for residential users. Energy Economics No. 70, s. 357–381.
- [10] Thumann, A. i Younger, W.J. 2007. Handbook of Energy Audits. The Fairmont Press, Lilburn.
- [11] Malska, W. i Wachta, H. 2015. Wykorzystanie modelu Arima do analizy szeregu czasowego. Zeszyty Naukowe Politechniki Rzeszowskiej 292, Elektrotechnika 34, RUTJEE, z. 34(3), s. 23–30.
- [12] Nowak, B. i Zaleski, J. 1995. Ogólny model procesu poboru ciepłej wody użytkowej dla wielorodzinnego budownictwa mieszkaniowego. Archiwum Energetyki t. 24, nr 1/2.
- [13] Zaleski, J. 2004. Modele stochastyczne i symulacja komputerowa. Zastosowanie do systemów zaopatrzenia w wodę. Warszawa: PWN.
Uwagi
Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-64f0829d-c786-4b42-8175-132a97407d05