Dokładność prognozowania zapotrzebowania na ciepło w szklarni

• Autorzy: Grabarczyk S.

Warianty tytułu

EN

Precision of forecasting the heat demand in greenhouse

• Języki publikacji: PL

Abstrakty

PL

Krótkoterminowe prognozy zapotrzebowania na ciepło dają możliwość zwiększenia wydajności produkcji ciepła, zmniejszenia zużycia paliwa i emisji produktów spalania do atmosfery. W artykule przedstawiono problem dokładności prognozowania zapotrzebowania na ciepło w szklarni z wykorzystaniem metod SARIMA. Źródłem informacji do analizy szeregów czasowych były dane eksploatacyjne zużycia ciepła.

EN

Short-term heat demand predictions give possibility for increasing efficiency of heat production, reduce fuel consumption and connected with it emission decreasing from combustion products to the atmosphere. The paper presents a problem precision of forecasting heat demand in a greenhouse building using SARIMA methods. Information source for the analysis of time series were operating data of energy consumption.

Słowa kluczowe

PL

szklarnia; prognozowanie; szereg czasowy; zapotrzebowanie na ciepło; błąd prognozy

EN

greenhouse; prediction; time series; heat demand; forecast error

• Wydawca: Instytut Fizyki Budowli Katarzyna i Piotr Klemm S.C.
• Czasopismo: Fizyka Budowli w Teorii i Praktyce
• Rocznik: 2016
• Tom: T. 8, nr 1
• Strony: 5--12
• Opis fizyczny: Bibliogr. 13 poz., wykr.

Twórcy

autor

Grabarczyk S.

• Politechnika Warszawska, Filia w Płocku, Instytut Budownictwa, Zespół Instalacji Budowlanych i Fizyki Budowli, ul. Łukasiewicza 17, 09-400 Płock

Bibliografia

• [1] ASHRAE Handbook Fundamentals. Energy Estimating and Modeling Methods. ASHRAE, Atlanta 2005
• [2] Box, G. E. P., Jenkins, G. M., Time series analysis. Holden Day, San Francisco 1970
• [3] Chalabi Z.S., Bailey B.J., Wilkinson D.J., A-real-time optimal control algorithm for greenhouse heating. Computers and electronics in agriculture 15 (1996) 1–13
• [4] Ediger V.S., Akar S., ARIMA forecasting of primary energy demand by fuel in Turkey. Energy Policy 35 (2007) 1701–1708
• [5] Grabarczyk S., Prognozowanie zużycia energii cieplnej w szklarniach z ekranami termoizolacyjnymi. Proceedings of XI International Conf. ACAP&DH. Wrocław-Szklarska Poręba 2005, 175 – 180
• [6] Grabarczyk S., Prognozowanie zużycia energii cieplnej i zmian temperatury wewnętrznej szklarni z wykorzystaniem sztucznych sieci neuronowych. Energia i Budynek 12 (2008) 40–45
• [7] Grabarczyk S., Zastosowanie szeregów czasowych w prognozowaniu zapotrzebowania na ciepło w szklarni, Building Physics in Theory and Practice (2013) 19–24
• [8] Kendall, M., Ord, J. K., Time series (3rd ed.). Griffin, London 1990
• [9] Pankratz, A., Forecasting with univariate Box-Jenkins models: Concepts and cases. Wiley, New York 1983
• [10] Sumer K.K., Goktas O., Hepsag A., The application of seasonal latent variable in forecasting electricity demand as an alternative method. Energy Policy 37 (2009) 1317–1322
• [11] Vandaele, W., Appliedd time series and Box-Jenkins models. Academic Press, New York 1983
• [12] Wojdyga K., Prognozowanie zapotrzebowania na ciepło w miejskich systemach ciepłowniczych. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2007
• [13] Zhu S., Wang J., Zhao W., Wang J., A seasonal hybrid procedure for electricity demand forecasting in China. Applied Energy 88 (2011) 3807–3815