Wpływ pandemii COVID-19 na zużycie gazu ziemnego przez odbiorców komercyjnych w wybranym mieście w Polsce

• Autorzy: Cieślik Tomasz , Narloch Piotr , Kogut Krzysztof , Szurlej Adam

Warianty tytułu

EN

The impact of covid-19 pandemic on natural gas consumption by commercial customers in a selected city in Poland

• Języki publikacji: PL

Abstrakty

PL

W marcu 2020 roku na skutek światowej pandemii koronawirusa wprowadzono lockdown, który przyczynił się do zmian w strukturze zużycia gazu. Zmniejszyło się zużycie w przemyśle i energetyce, natomiast wzrosło w gospodarstwach domowych. Również zauważalny był spadek zużycia gazu u odbiorców komercyjnych. Na podstawie zgromadzonych danych takich jak: temperatura, prędkość wiatru, czas trwania zjawisk atmosferycznych oraz wykorzystane informacje dotyczące warunków atmosferycznych w dniach poprzednich, zaprojektowano modele do prognozowania zużycia gazu przez odbiorców komercyjnych (hotele, restauracje, firmy) oraz wyznaczono najlepszy model do określenia wpływu lockdownu na zużycie gazu przez ww. odbiorców przy wykorzystaniu MAPE (ang. Mean Absolute Percentage Error - średniego bezwzględnego błędu procentowego).

EN

In March 2020, as a result of the global coronavirus pandemic, lockdown measures were introduced leading to changes in gas consumption patterns. While consumption in industry and power generation decreased, it increased in households. A decrease in gas consumption by commercial customers was also observed. The data collected, such as temperature, wind speed, duration of weather phenomena, and information on weather conditions on the preceding days, led to the design of models to forecast gas consumption by commercial users (hotels, restaurants, businesses) and to the identification of the best model to determine the impact of lockdown on gas consumption by those customers, through the use of Mean absolute percentage error (MAPE).

Słowa kluczowe

PL

rynek gazu; prognozowanie zużycia gazu; sieci neuronowe; lockdown

EN

gas market; gas consumption forecasting; neural networks; lockdown

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2021
• Tom: Nr 3
• Strony: 3--10
• Opis fizyczny: Bibliogr. 49 poz., rys., tab.

Twórcy

autor

Cieślik Tomasz

• AGH w Krakowie, Wydział Wiertnictwa, Nafty i Gazu, Katedra Inżynierii Gazowniczej, doktorant

autor

Narloch Piotr

• AGH w Krakowie, Wydział Wiertnictwa, Nafty i Gazu, Katedra Inżynierii Gazowniczej, doktorant

autor

Kogut Krzysztof

• AGH w Krakowie, Wydział Energetyki i Paliw, Katedra Technologii Paliw

autor

Szurlej Adam

• AGH w Krakowie, Wydział Wiertnictwa, Nafty i Gazu, Katedra Inżynierii Gazowniczej

Bibliografia

• [1] Aloui D., Goutte S., Guesmi K. i Hchaichi R., „COVID 19's impact on crude oil and natural gas S&P GS Indexes,” HAL : halshs-02613280, 2020.
• [2] Amara R. i Belaifa M., „GECF,” 2020. [Online]. Available: https://www.gecf.org/_resources/files/events/gecf-expert-commentary---covid-19-and-its-implications-on-the-italian-natural-gas-market/covid-19-and-its-implication-in-the-italian-gas-market.pdf.
• [3] Bai Y. i Li C., „Daily natural gas consumption forecasting based on astructure-calibrated support vector regression approach,” Energy and Buildings, tom 127, 2016.
• [4] Baldacci L., Golfarelli M., Lombardi D. i Sami F., „Natural gas consumption forecasting for anomaly detection,” Expert Systems With Applications, tom 62, 2016.
• [5] Bartnicki G. i Nowak B., „Model ARIMA w prognozowaniu zużycia gazu w cyklach miesięcznych,” Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią Polskiej Akademii Nauk, nr 103, pp. 145-158, 2018.
• [6] BP Statistical Review of World Energy, June 2020; [Online]. Available: www.bp.com
• [7] Brown R. H., Kaftan D. J., Smalley J. L., Fakoor M., Graupman S. J., Povinelli R. J. i Corliss G. F., „Improving Daily Natural Gas Forecasting by Tracking and Combining Models,” Caims, Australia, 2017.
• [8] Bulut M., „Analysis of the Covid-19 Impact on Electricity Consumption and Production,” SAUCIS, tom 3, nr 3, pp. 284-295, 2020.
• [9] Cheshmehzangi A., „COVID-19 and household energy implications: what are the main impacts on energy use,” Heliyon, tom 6, 2020.
• [10] Ciechanowska M., „Polityka Energetyczna Polski do 2050 roku,” Nafta-Gaz, nr 11, 2014.
• [11] Collette M. W., Baffes J., Kabundi A., Kindberg-Hanlon G., Nagle P. S. i Ohnsorge F. L., „Adding Fuel to the Fire. Cheap Oil during the COVID-19 Pandemic,” Policy Research Working Paper World Bank Group, Waszyngton, 2020.
• [12] D. T. T. I. L. (DTTILLP, „Impact of COVID-19 on Oil and Gas industry,” Deloitte, India, 2020.
• [13] E. &. i. S. Department for Business, „Energy Trends,” London, 2020.
• [14] Eastman L., Smull E., Patterson L. i Doyle M., „COVID-19 Impacts on Water. Utility Consumption and Revenues. PRELIMINARY RESULTS,” 2020. [Online]. Available: www.raftelis.com/covid-19-resources.
• [15] Ervural B. F., Beyca O. F. i Zaim S., Model estimation of ARMA using genetic algorithms: A case study of forecasting natural gas consumption. Procedia - Social and Behavioral Sciences, nr 235, 2016.
• [16] Filonchyk M., Hurynovich V. i Yan H., „Impact of Covid-19 lockdown on air quality in the Poland, Eastern Europe,” Environmental Research, 2020.
• [17] Gallo C., „Artyfitial neural network: tutorial; Encyclopedia of Information Science and Technology,” w Encyclopedia of Information Science and Technology, 2015.
• [18] Global Gas Report 2020,” IGU, BloombergNEF, 2020.
• [19] Gołda A. i Ł. Sanocki, „Wstęp do sieci neuronowych,” 2020. [Online]. Available: http://galaxy.uci.agh.edu.pl/~vlsi/AI/wstep/.
• [20] GUS, „Główny Urząd Statystyczny,” 2018-2020. [Online]. Available: https://stat.gov.pl/.
• [21] Honore A., „The OXFORD INSTITUTE FOR ENERGY STUDIES,” 2020. [Online]. Available: https://www.oxfordenergy.org/publications/natural-gas-demand-in-europe-the-impacts-of-covid-19-and-other-influences-in-2020/.
• [22] https://www.iea.org/countries, Online, 2020.
• [23] Kalbusch A., Henning E., Brikalski M. P., F. Vieira de Luca i A. C. Konrath, „Impact of coronavirus (COVID-19) spread-prevention actions on urban water consumption,” Resources, Conservation & Recycling, nr 163, 2020.
• [24] Khan M. A., „Modelling and forecating the demand for natural gas in Pakistan,” Renewable and Sustainable Energy Reviews, tom 49, 2015.
• [25] Kogut K., Analiza możliwości modelowania sieci przesyłowej gazu ziemnego, Kraków: AGH, 2007.
• [26] Koyama K. Suehiro i S., „Covid-19 and the Outlook for Oil, Natural Gas, and LNG Demand in 2021,” IEEJ JAPAN, JAPAN, 2020.
• [27] Maciejasz, M. Zastosowanie sieci neuronowych do analizy pracy sieci przesyłowych, Kraków, 2005.
• [28] Mahajan M., „Estimating U.S. Energy Demand and Emissions impacts of covid-19 with the energy policy simulator,” Energy Innovation, San Francisco, 2020.
• [29] MeteoModel, „Dane Pogodowe”: Available https://meteomodel.pl/: 2021
• [30] Ministerstwo Klimatu, 2020: Sprawozdanie z wyników monitorowania bezpieczeństwa dostaw paliw gazowych za okres od dnia 1 stycznia 2019 r. do dnia 31 grudnia 2019 r. Warszawa.
• [31] Ministerstwo Zdrowia, Rozporządzenie Ministra Zdrowia z dnia 20 marca 2020 w sprawie ogłoszenia na obszarze Rzeczpospolitej Polskiej stanu epidemii, Warszawa, 2020.
• [32] Mohamed Z. E., „Using the artificial neural networks for prediction and validating solar radiation,” Journal of the Egyptian Mathematical Society,, 2019.
• [33] Mostafa M. K., Gamal G. i Wafig A., „The impact of COVID 19 on air pollution levels and other environmental indicators - A case study of Egypt,” Journal of Environmental Management, nr 277, 2021.
• [34] Nemati M., „COVID-19 and Urban Water Consumption,” Giannini Foundation of Agricultural Economics, Kalifornia, 2020.
• [35] Ong A. i Nielsen E., „Economic Impacts of Covid-19 on the Water Sector,” 2020.
• [36] Ozmen A., Yilmaz Y. i Weber G.-W., Natural gas consumption forecast with MARS and CMARS models for residential sers. Energy Economics, tom 70, 2018.
• [37] Prawiraatmadja W., „Covid-19 Pandemic: Impact on the Oil and Gas Industry,” Institute for Essential Services Reform (IESR), Indonesia, 2020.
• [38] Prol J. L. i O S., „Impact of COVID-19 Measures on Short-Term Electricity Consumption in the Most Affected EU Countries and USA States,” Cell Press, tom 23, nr 10, 2020.
• [39] Sanchez-Ubeda E. F. i Berzosa A., „Modeling and forecasting industrial end-use natural gas consumption,” Energy Economics, tom 29, 2007.
• [40] She J., Jiang J., Ye L., Hu L., Bai C. i Song Y., „2019 novel coronavirus of pneumonia in Wuhan, China: emerging attack and management strategies,” Clinical and Translational Medicine, tom 9, nr 19, 2020.
• [41] Silva N. I., „Artificial Neural Network Architectures and Training Processes,” w Artificial Neural Networks, Szwajcaria, Springer International Publishing, 2017.
• [42] Stefanowski J., Wykłady z sieci neuronowych, Poznań: Instytut Informatyki Politechniki Poznańskiej, 1995
• [43] Szurlej A., Ruszel M. i Olkuski T., Czy gaz ziemny będzie paliwem konkurencyjnym? Rynek Energi, tom 5, pp. 3-10, 2015.
• [44] Tadeusiewicz R., Gąciarz T., Borowik B. i Leper B., Odkrywanie własności sieci neuronowych, Kraków: Polska Akademia Umiejętności, 2007.
• [45] Voudouris V., Matsumoto K., Sedgwick J., Rigby R., Stasinopolus D. i Jeffersin M., Exploring the production of natural gas through the lenses of the ACEGRS model. Energy Policy, tom 64, 2014.
• [46] Wang S.-C., Interdiciplinary computing in java programming, Nowy Jork: Library of Congress Cataloging in Publication, 2003.
• [47] World Health. Organization, „Coronavirus disease 2019 (COVID-19) Situation Report-88,” 2020. [Online]. Available: https://www.who.int/.
• [48] Wójcik M., Model sieci gazowniczej oparty o sztuczne sieci neuronowe, Kraków AGH, 2005.
• [49] Żurada J., Sztuczne sieci neuronowe, Warszawa: PWN, 1996.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).