Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  peak power
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Autor opracowania przedstawia jego podstawę, przedkłada opis stanu zastanego i stanu projektowanego wraz z obliczeniami w istniejącym kompleksie magazynowym omawianego obiektu. Publikację wzbogaca schematem planu sytuacyjnego zasilania kompleksu magazynowego oraz schematami ideowymi sterownika nadawczego w rozdzielnicy głównej kompleksu i rozdzielnicy głównej budynku ze sterownikiem odbiorczym, a także diagramem czasowym sterowania wraz z zestawieniem podstawowych materiałów wymaganych do zrealizowania projektu.
PL
Istnieje wiele czynników mających znaczenie w procesie prognozowania. Do najważniejszych zaliczyć należy wybór modelu oraz dobór zmiennych objaśniających w przypadku wielowymiarowego modelu ekonometrycznego. W artykule skoncentrowano się na doborze zmiennych, który odgrywa kluczową rolę. Spośród wielu istniejących i znanych algorytmów doboru zmiennych, w artykule przedstawiono autorsko wybrane trzy metody: metodę pojemności integralnej Hellwiga, metodę współczynnika korelacji cząstkowej oraz metodę współczynnika korelacji wielorakiej. Dla każdej z zastosowanych metod podano syntetyczny opis wyjaśniający istotę jej działania. Wybór modelu do opracowania prognoz potraktowano jako mniej istotny, ponieważ dla każdej metody doboru model jest ten sam. Obliczenia wykonano modelem MRK (Model Rozk?adu Kanonicznego), zamieszczając syntetyczny opis modelu. Wykazano na rzeczywistych danych jak zastosowana metoda doboru zmiennych objaśniających wpływa na uzyskane wyniki prognozy zużycia energii elektrycznej na poziomie kraju. W przykładzie obliczeniowym dysponowano potencjalnym zbiorem z siedmioma zmiennymi objaśniającymi. W opracowaniu zawarto 14 różnych prognoz otrzymanych w wyniku zastosowanych 3 metod wyboru zmiennych. Wyniki dopasowania modeli (prognoz wygasłych) oraz prognoz do 2030 roku, przedstawiono w tabelach i na wykresach. We wnioskach zawarto uwagi dotyczące prognoz długoterminowych podstawowych wielkości dotyczących Krajowego Systemu Elektroenergetycznego, mogące mieć wpływ na poprawność ocen tych prognoz. Zwrócono uwagę na problem poprawności oceny prognoz długoterminowych dotyczącej zużycia energii czy mocy szczytowych. Wskazanie prognoz o mniejszym ryzyku pope?nienia dużych błędów umożliwia równoległa analiza prognozy zużycia energii elektrycznej, prognozy szczytów obciążeń z jednoczesnym wyznaczeniem wielkości umożliwiających realność prognoz. Może to przykładowo być wyznaczenie rocznych stopni obciążenia, dla których mamy ściśle określony zakres zmienności. W przypadku dysponowania jedynie prognozę zużycia energii elektrycznej możliwe są inne analizy, przykładowo porównania energochłonności PKB, energochłonności produktów czy gałęzi gospodarki w wybranych krajach. Jeszcze innym, powszechnie stosowanym wskaźnikiem jest roczne zużycie energii elektrycznej na osobę. Prognozy ludności są jednymi z dokładniejszych, stąd ten wskaźnik może być dobrym odniesieniem przy porównywaniu prognoz.
EN
There exist a number of important factors in forecasting processes. The most significant in the case of a multi-dimensional econometric model are the choice of the model and the explanatory variables. This paper focuses on the choice of variables, which plays a crucial role. Among many existing and recognized algorithms for the selection of variables, the following three chosen arbitrarily by the authors are presented: the method of integral capacity by Hellwig, the partial correlation coefficient, and multiple correlation coefficient. For each considered method, a synthetic description explaining its action is given. The choice of the model for making forecasts was treated as less significant because, for each method, the same model is used. Calculations were made using the MRK (Model of Canonical Distribution) model. The synthetic description of the model is also provided. Using real-life data, the analysis demonstrates how the method applied in choosing explanatory variables influences the obtained forecast results concerning the consumption of electric energy on a national scale. In the example calculation, a potential dataset of seven explanatory variables was used. The paper summarizes fourteen different forecasts obtained from three methods of variables selection. The results of model fittings (extinct forecasts) and forecasts until 2030 are presented in the form of tables and charts. Concluding remarks concern long-term forecasts of fundamental quantities related to the Domestic Power Engineering System, which may influence the correctness of these forecasts. Particular attention was paid to the issue of the correctness of long-term forecasts related to energy consumption and peak power. An analysis of the forecast of energy consumption, processed parallel to the determination of quantities assessing the reality of these forecasts, makes it possible to indicate the forecasts endowed with the lowest risk of making excessive errors. For example, it may be possible to consider the determination of annual load levels for which a pre-determined, exact level of variability is given. In situations where only the forecast of electric energy consumption is available, it is possible to develop further analyses such as a comparison of energy consumption for a Domestic Brutto Product, energy consumption for products, or economic branches in selected countries. Yet another indicator in common use is annual energy consumption per capita. Forecasts per capita are among the most exact; therefore, this indicator may be a useful tool for comparison of different forecasts.
PL
Taryfy opłat za paliwa gazowe stanowią opis sposobu naliczania opłat za paliwo gazowe pobrane przez dostawcę od odbiorców. Sposób ich naliczania jest zależny od zaliczenia odbiorcy do grupy taryfowej wynikającej z wielkości rocznego poboru gazu i zamówionego maksymalnego strumienia gazu. Dla wyznaczenia wielkości opłat za paliwa gazowe wprowadza się wartości występujących w taryfach cen i stawek. To one są właśnie przedmiotem zmian dokonywanych przez dostawcę gazu. W artykule przedstawiono skutki zmian cen i stawek taryfowych od 2003 r. W tym celu wyznaczono wielkości opłat za gaz ziemny wysokometanowy grupy E dla odbiorców grup W-1 do W-7. Zbadano również zmiany wiel-kości poszczególnych składników opłaty końcowej wynikających ze zmian cen i stawek. Zmiany opłat porównano ze zmianami opłat za inne media energetyczne dostarczane do odbiorców dla zaspokojenia takich samych potrzeb, a to energię elektryczna i ciepłą wodę. Dla odbiorców grup taryfowych W-5, W-6 i W-7 porównano badanym okresie jak zmieniały się korzyści jakie gwarantuje taryfa dwuczłonowa w przypadku obniżenia nierównomierności poboru gazu przez odbiorcę. Na podstawie otrzymanych wyników przedstawiono wnioski końcowe.
EN
Tariffs for gaseous fuels are a description of the method for calculating fees charged by the gas supplier to the recipient. The way it is calculated depends on a tariff group to which the recipient belongs regarding the amount of the annual gas consumption and the maximum gas flow ordered. To determine the size of fees for gaseous fuel the values are introduced which are present in the tariffs of prices and rates. They are the subject of changes made by the gas supplier. Thearticle presents the effects of changing prices and tariff rates since 2002. For this purpose a set of fee size has been calculated for high-methane natural gas to recipients of E Group from W-1 to W-7. Changes in the size of the individual components of the final payment resulting from changes in prices and rates have been examined. Changes in fees have been compared with the changes of other charges for power media supplied to the media buyers for the same needs such as electricity and hot water For customers in the W-5, W-6 and W-7 tariff categories a comparative analysis has been done showing a variation of benefits guaranteed by a binary tariff in case of reduction in irregularity of gas consumption by the recipient. On the basis of the analysis results the final conclusions are presented.
PL
W artykule skoncentrowano się na zagadnieniu dotyczącym oceny wykonywanych prognoz w dłuższych horyzontach. Przeprowadzono analizę kilku prognoz wykonanych w różnych instytucjach. Dokonano oceny prognoz energii i mocy szczytowych na podstawie kształtowania się rocznych stopni obciążeń.
EN
The article focuses on the issue concerning the assessment carried out at longer forecast horizons. An analysis of several forecasts made in different institutions. The assessment of forecasts of energy and peak power on the basis of formation of the annual load levels.
5
Content available remote Wyznaczanie obciążeń wiejskich sieci niskiego napięcia
PL
Wyznaczono typowe dobowe wykresy obciążeń wiejskich stacji transformatorowych, zasilających gospodarstwa rozliczane za energię elektryczną według taryfy G11 oraz zbudowano model rocznego obciążenia szczytowego tych stacji, w których moc szczytowa jest funkcją rocznego zużycia energii elektrycznej. Opracowanie to można wykorzystać do planowania obciążeń wiejskich sieci niskiego napięcia, a także w działaniach racjonalizujących eksploatację sieci, przy wprowadzaniu taryf energii elektrycznej oraz zawieraniu umów pomiędzy dostawcami i odbiorcami energii elektrycznej.
EN
The typical power load diagrams of rural transformer stations were calculated, as well the model of annual peak loading of these stations was worked out. This study can be applied to planning of load in the rural low voltage networks, to rationalization of these networks exploitation, to introducing of energy tariffs, to transaction of a contract between energy supplier and cosumer.
EN
This paper presents efficiency of neural networks with genetic algorithms for solving monthly electric energy consumption and peak power middle - term forecasting problem. Two problems were solved: - middle-term forecasting of monthly electric energy consumption for alt STOEN S.A. consumers - middle-term forecasting of peak power and monthly electric energy consumption for selected groups of big electric power consumers in STOEN S.A. The paper include analysis of the performance, the optimization process of artificial neural network (number of layers, number of neurons in hidden layer(s), types of activation functions, number and type of input - output data) and the efficiency comparison of forecasting using the standard artificial neural network and the artificial neural network with genetic algorithms. At the end of the article there are forecasting results with conclusions. Analysis shows many benefits from precise forecasting for Electrical Plants, Power Regions and groups of electric power consumers as well.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.