Analiza ryzyka w prognozowaniu zapotrzebowania na gaz ziemny

• Autorzy: Szoplik J. , Oszczyk M.

Warianty tytułu

EN

Analysis of risks in forecasting of natural gas demand

• Języki publikacji: PL

Abstrakty

PL

Analizowano wyniki obliczeń ryzyka błędnej prognozy zapotrzebowania na gaz ziemny. Prognozowanie wykonano metodą sztucznych sieci neuronowych. W modelu prognostycznym uwzględniano pięć czynników (dzień tygodnia, dzień miesiąca, miesiąc, temperaturę, godzinę). Ryzyko uzyskania błędnej prognozy szacowano na podstawie względnych błędów prognozy, które obliczano na podstawie rzeczywistych i prognostycznych wartości zapotrzebowania na gaz ziemny dla danego miasta. Wyznaczano prawdopodobieństwo wystąpienia błędu prognozy większego od założonej wartości progowej 3 lub 9%, biorąc pod uwagę oddzielnie każdy z występujących w modelu czynników, a następnie wielkość ryzyka skumulowanego. Ryzyko skumulowane definiowano jako prawdopodobieństwo uzyskania błędnej prognozy dla dowolnego dnia roku, dnia tygodnia oraz dla dowolnej temperatury powietrza i pory dnia.

EN

This paper presents calculations of forecast error occurrence in forecasting the demand for natural gas. Forecasting was carried out by using the method of artificial neural networks. Forecasting model included five factors (day of week, day of month, month, temperature and hour). The risk of forecast error occurrence was estimated based on relative errors of the forecast, which were calculated on the basis of real and forecast values of natural gas demand for the given city. The probability of forecast error occurrence higher than the assumed threshold value of 3 or 9% was determined by considering each of the factors present in the model and subsequently the significance of cumulative risk. The cumulative risk was defined as the probability of forecast error occurrence for any day of year, day of week or any air temperature and time of day.

Słowa kluczowe

PL

prognozowanie; zapotrzebowanie na gaz; ryzyko prognozy; sztuczne sieci neuronowe

EN

forecasting of natural gas; demand; forecasting risk; neural network

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2015
• Tom: Nr 3
• Strony: 10--16
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Szoplik J.

• Instytut Inżynierii Chemicznej i Procesów Ochrony Środowiska Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Oszczyk M.

Bibliografia

• [1] Bartkiewicz W.: Metody określania niepewności prognoz krótkoterminowych obciążenia sieci dla modeli neuronowych I neuronowo-rozmytych. Rynek Energii, 2011, 1(92), 41-46
• [2] Łyp J., Kurach M.: Problematyka prognozowania sezonowej zmienności obciążeń szczytowych krajowego system elektroenergetycznego. Rynek Energii, 2011, 1(92), 47-53.
• [3] Oszczyk M.: Analiza ryzyka w prognozowaniu zapotrzebowania na gaz ziemny. Praca magisterska, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Szczecin, 2014.
• [4] Potočnik P., Thaler M., Govekar E., Grabec I., Poredoš A.: Forecasting risks of natural gas consumption in Slovenia. Energy Policy, 2007, 35, 4271-4282.
• [5] Szoplik J. The steady-state simulations for gas flow in a pipeline network. Chemical Engineering Transaction, 2010, 21, 1459-1464.
• [6] Szoplik J., (2012). The Gas Transportation in a Pipeline Network, Advances in Natural Gas Technology, Dr. Hamid Al-Megren (Ed.), ISBN: 978-953-51-0507-7, InTech, DOI: 10.5772/36902. Available from: http://www.intechopen.com/books/advances-in-natural-gas-technology/the-gas-transportation-in-a-pipeline-network
• [7] Szoplik J.: Zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci rurociągów do transportu gazu ziemnego. Inżynieria i Aparatura Chemiczna, 2013, 6, 572-574
• [8] Thaler M., Grabec I., Poredoš A.: Prediction of energy consumption and risk of excess demand in a distribution system. Physica A, 2005, 355, 46-53.