Natural gas demand forecasting for business customers

• Autorzy: Pawłowski P.

Warianty tytułu

PL

Prognozowanie zużycia gazu naturalnego przez klientów biznesowych

• Języki publikacji: EN

Abstrakty

EN

The paper presents results for business clients portfolio natural gas demand forecasting. Historical data set was analysed to find dependences between gas demand and any other variables such as weather variables and some social behaves of gas customers. Advanced statistical methods have been applied to achieve high model accuracy. Article presents two approaches to forecasting model design. First one forecasts whole portfolio gas demand and the other one forecasts each individual customer gas demand and then summarizes it into the whole portfolio gas demand. The article clearly disclose how to create a forecasting model and which approach is more accurate.

PL

W artykule przedstawiono wyniki opracowanych modeli matematycznych służących do prognozowania zużycia gazu naturalnego przez klientów biznesowych. Projektując model prognostyczny, szczególny nacisk został położony na analizie danych historycznych, zarówno dotyczących rzeczywistego zużycia gazu przez odbiorców jak również danych pogodowych. Wnioski, które powstały na podstawie analizy wyżej wymienionych danych umożliwiły postawienie pewnych założeń oraz wymagań niezbędnych do stworzenia modeli prognostycznych. Artykuł przedstawia dwa podejścia do zagadnienia prognozowania zapotrzebowania na gaz: prognoza sumarycznego zużycia wszystkich odbiorców oraz prognozowanie zużycia każdego indywidualnego odbiorcy.

Słowa kluczowe

EN

gas demand forecasting; data analysis; linear regression; business customer; gas portfolio management

PL

model prognostyczny; analiza danych; regresja liniowa; klient biznesowy

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2018
• Tom: Nr 5
• Strony: 87--91
• Opis fizyczny: Bibliogr. 9 poz., fig., tab.

Twórcy

autor

Pawłowski P.

• PGNiG Obrót Detaliczny sp. z o.o.

Bibliografia

• [1] Weron R., Electricity price forecasting: A review of the state-of-the-art with a look into the future, International Journal of forecasting 30 (2014) 1030 – 1081
• [2] Day P., Fabian M., Noble D., Ruwisch G., Spencer R., Stevenson J., Thoppay R., Residential Power Load Forecasting, Procedia Computer Science 28 (2014) 457 – 464.
• [3] Honaker J., King G., What to Do about Missing Values in Time-Series Cross-Section Data
• [4] Almeshaiei E., Soltan H., A methodology for Electric Power Load Forecasting, Alexandria Engineering Journal (2011) 50, 137 – 144
• [5] Everitt B. S. and Hothorn T., A Handbook of Statistical Analyses Using R
• [6] Gruszczyński M., Podgórska M., Kuszewski T., Ekonometria i badania operacyjne, Wydawnictwo Naukowe PWN, Warszawa, 1, 2016
• [7] https://www.otexts.org/fpp [20.05.2017 access]
• [8] Gas Network Ireland, Methodology for forecasting gas demand
• [9] https://www.ure.gov.pl/pl/rynki-energii/paliwa-gazowe/charakterystyka-rynku

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).