Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: electrical energy prices

Sortuj według:

Ogranicz wyniki do:

Czynniki kształtujące poziom cen energii elektrycznej w okresie transformacji

Kulesa Marek

Energetyka

2024

nr 6

233--444

W artykule przeanalizowano ceny energii elektrycznej zarówno na rynku giełdowym jak i na rynku detalicznym z uwzględnieniem zamrożenia cen. Analizie poddano tzw. czynniki fundamentalne kształtujące ceny energii elektrycznej w Polsce i UE, w tym między innymi: polski miks energetyczny, zmiany zapotrzebowania odbiorców na energię elektryczną, ceny tzw. indeksów węglowych oraz ceny paliwa gazowego, ceny praw do emisji CO2. Uwzględniono uwarunkowania formalnoprawne polskiego rynku energii elektrycznej, w tym tzw. ustawy zamrażające ceny energii elektrycznej oraz ich nowelizacje.

Analysed are here electrical energy prices both on the stock and retail markets taking also Into consideration the price freezes. Examined are the so-called fundamental factors shaping electrical energy prices in Poland and the EU, including i.a. the Polish energy mix, fluctuations in end-user electricity demand, prices of the so-called carbon indices, gas fuel prices as well as the price of CO2 emission rights. Taken into account are formal and legal conditions concerning the Polish electrical energy market together with the so-called Acts on freezing of electrical energy prices and their amendments.

Sterowanie turbiną gazową na rynku energii elektrycznej z wykorzystaniem sztucznych sieci neuronowych

Lichota J.

Rynek Energii

2008

nr 2

39-45

Celem artykułu jest pokazanie, że można maksymalizować sprzedaż energii elektrycznej generowanej przez turbinę gazową do sieci elektroenergetycznej wykorzystując sztuczne sieci neuronowe do modelowania własności dynamicznych turbiny. Z obliczeń wynika, że można zwiększyć moc elektryczną turbiny o 0,1-2,5% po optymalizacji pracy układów regulacji. Wykazano również, że uzyskanie neuronowego modelu zmiany ceny rozliczeń w oparciu jedynie o ceny CRO znane z przeszłości nie jest możliwe. Przedstawiono aspekty ekonomiczne i techniczne procesu dostawy energii elektrycznej do systemu elektroenergetycznego.

This paper shows application of artificial neural networks (feed-forward, 3-layer input:hidden:output = 4:5:1 neurons) to identification of gas turbine dynamic properties. Obtained mathematical model is used to find answers on few questions. Is it possible to get higher electrical power P from turbine changing e.g. gas flow mg or flue gas temperature behind second turbine stage ts2? Another variables in model like air temperature Tp, internal power demand pw, atmospheric pressure patm were constant during optimization. Figures 18, 19 are showing results. Increasing gas flow or decreasing flue gas temperature higher electrical power is obtained (0.1-2.5%). In-vestigations shows that energy price prediction utilizing only prices from past to learning artificial neural network is risky.