Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:443/baztech/element/bwmeta1.element.baztech-b72098de-6c9e-460c-a1ad-fa98faf10ad8

Czasopismo

Nafta-Gaz

Tytuł artykułu

Prognozowanie pracy sieci gazowej za pomocą sztucznych sieci neuronowych

Autorzy Cieślik, T.  Kogut, K. 
Treść / Zawartość http://inig.pl/nafta-gaz/
Warianty tytułu
EN Forecasting the work of gas network by means of artificial neural network
Języki publikacji PL
Abstrakty
PL Podczas wprowadzania ograniczeń w dostawach gazu ziemnego przedsiębiorstwa przemysłowe odczuwają problemy z zaopatrzeniem w gaz, co przekłada się na ich sytuację finansową. W takim przypadku, zakładając rozwój liberalizacji na rynku gazu ziemnego, może nastąpić spadek cen paliw gazowych. Gospodarstwa domowe, które korzystają z gazu w celach komunalnych (ogrzewanie budynków) oraz bytowych (przygotowanie posiłków i ogrzewanie wody) z mocy prawa są chronione w razie zakłóceń dostaw gaz ziemnego. Wystąpienie zakłóceń (nieodpowiednia kaloryczność gazu) i braków dostaw gazu ziemnego może skłonić także wielu użytkowników z tej najliczniejszej grupy do rezygnacji z korzystania z paliw gazowych. Niniejszy artykuł przedstawia możliwości prognozowania pracy sieci gazowej średniego ciśnienia. Analizowanym parametrem jest spadek ciśnienia gazu dostarczanego do odbiorców domowych przyłączonych do systemu sieci dystrybucyjnej. Dzięki uzyskanym pomiarom przepływu gazu, temperatury oraz spadku ciśnienia możliwe będą analizy wykorzystujące wzory matematyczne, program STANET oraz uczenie z wykorzystaniem sztucznej sieci neuronowej. Otrzymane wyniki dają możliwość porównania poszczególnych metod w 20-godzinnym przewidywaniu zmian ciśnienia gazu.
EN During the introduction of restrictions in the supply of natural gas, industrial enterprises experience problems with the supply of gas, which is reflected in their financial situation. In this case, given the development of the liberalization of the natural gas market, there may be a decline in prices of gas. Households that use gas for utility purposes (heating of buildings) and living (preparing meals and heating water) by law are protected in the event of disruption in the supply of natural gas. Any disruptions such as the inadequate calorific value of gas and shortages of natural gas supplies may also induce many users from the largest group to abandon the use of gaseous fuels. The following article introduces possibilities concerning the forecast of how medium-pressure gas network, works. The parameter which is analyzed is the decrease in the gas pressure supplied to households connected to the distribution network system. The measurements (gas flow, temperature and the decrease in the pressure) will enable analysis using mathematical formulas, STANET software and the model of artificial neural network. The results will enable a comparison of particular methods in a twenty-hour forecasting of changes in gas pressure.
Słowa kluczowe
PL sieć neuronowa   prognozowanie   sieć gazowa   spadek ciśnienia  
EN neural network   forecasting   gas network   pressure drop  
Wydawca Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Czasopismo Nafta-Gaz
Rocznik 2016
Tom R. 72, nr 6
Strony 443--450
Opis fizyczny Bibliogr. 20 poz., rys., tab., wykr., wz.
Twórcy
autor Cieślik, T.
  • Instytut Fizyki Jądrowej PAN w Krakowie, tcieslik@agh.edu.pl
  • doktorant, Katedra Inżynierii Gazowniczej, Wydział Wiertnictwa Nafty i Gazu, Akademia Górniczo-Hutnicza, al. Adama Mickiewicza 30, 30-059 Kraków
autor Kogut, K.
  • Akademia Górniczo-Hutnicza, Wydział Energetyki i Paliw, Katedra Technologii Paliw, al. Adama Mickiewicza 30, 30-059 Kraków, kogut@agh.edu.pl
Bibliografia
[1] Bąkowski K.: Sieci i instalacje gazowe. Warszawa, Wydawnictwo Naukowo-Techniczne, 2007.
[2] Chmielnicki W.: Algorytmy wykorzystujące sieci neuronowe do regulacji węzłów ciepłowniczych. Rynek Energii 2010, nr 6, s. 62–70.
[3] Kelner M.: Prognozowanie krótkoterminowe poborów gazu z sieci przemysłowej metodą sztucznych sieci neuronowych. Gaz, Woda i Technika Sanitarna 2003, nr 6, s. 196–204.
[4] Klaus R.: Sztuczne sieci neuronowe. http://www.cs.put.poznan.pl/rklaus/assn/neuron.htm (dostęp: 11.04.2016).
[5] Kogut K.: Analiza możliwości modelowania sieci przesyłowej gazu ziemnego. Kraków, Wydawnictwa AGH, 2007.
[6] Kogut K.: Obliczanie sieci gazowych. Kraków, Uczelniane Wydawnictwo Naukowo-Dydaktyczne AGH, 2007.
[7] Maciejasz M.: Zastosowanie sieci neuronowych do analizy pracy sieci przesyłowych. Kraków, Wydawnictwa AGH, 2006.
[8] Madziuk J.: Sieci neuronowe typu Hopfielda. Teoria i przykłady zastosowań. Warszawa, Akademicka Oficyna Wydawnicza, 2000.
[9] Mazur M., Sobczak B.: Zachowanie się farm wiatrowych w warunkach zagrożenia blackoutem. Instytut Energetyki, Jednostka Badawczo-Rozwojowa, Gdańsk.
[10] Osman E. A.: Prediction of Oil PVT Properties Using Neural Network. SPE 68223, marzec 2001.
[11] Rymarczyk M. (red.): Decyzje, symulacje, sieci neuronowe. Poznań, Wydawnictwo Wyższej Szkoły Bankowej w Poznaniu, 1997.
[12] Statystyka – zadania z rozwiązaniami. http://www.statystyka-zadania.pl/wspolczynnik-korelacji-liniowej-pearsona/ (dostęp: 11.04.2016).
[13] Stefanowski J., Krawiec K.: Wykłady z sieci neuronowych. Instytut Informatyki Politechniki Poznańskiej, 1995.
[14] Strzoda J., Skrzypiec M.: Czy jesteśmy przygotowani na blackout? „Koncern”, Luty 2007, http://www.cire.pl/pliki/2/przygotblackout.pdf (dostęp: 11.04.2016).
[15] Sztuczne sieci neuronowe i algorytmy genetyczne. http://4programmers.net/Z_pogranicza/Sztuczne_sieci_neuronowe_i_algorytmy_genetyczne#r12 (dostęp: 11.04.2016).
[16] Tadeusiewicz R.: Elementarne wprowadzenie do technik sieci neuronowych z przykładowymi programami. Warszawa, Akademicka Oficyna Wydawnicza PLJ, 1998.
[17] Tadeusiewicz R.: Sieci neuronowe. Warszawa, Akademicka Oficyna Wydawnicza RM, 1993.
[18] Tadeusiewicz R., Gąciarz T., Borowik B., Leper B.: Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. Polska Akademia Umiejętności, Międzywydziałowa Komisja Nauk Technicznych, 2007.
[19] Wójcik M.: Model sieci gazowniczej oparty o sztuczne sieci neuronowe. Kraków, Wydawnictwo AGH, 2005.
[20] Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Warszawa, Wydawnictwo Naukowe PWN, 1996.
Uwagi
PL Artykuł powstał na podstawie Referatu zaprezentowanego na Konferencji Naukowo-Technicznej FORGAZ 2016 "Techniki i technologie dla gazownictwa - pomiary, badania, eksploatacja", zorganizowanej przez INiG - PIB w dniach 13-15 stycznia 2016 r. w Muszynie.
PL Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-b72098de-6c9e-460c-a1ad-fa98faf10ad8
Identyfikatory
DOI 10.18668/NG.2016.06.08