Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Ekonometryczny model zużycia paliw ciekłych
PL
Jednym z priorytetowych zagadnień dla państwa jest zapewnienie stabilnego rozwoju gospodarczego, który jest ściśle związany z bezpieczeństwem energetycznym kraju. Problem zagwarantowania bezpieczeństwa energetycznego Polski staje się bardzo istot- ny z powodu dużego importu ropy naftowej i gotowych produktów. W 2017 roku przerób ropy naftowej przez rafinerie krajowe wyniósł 26,8 mln ton. Krajowe wydobycie ropy naftowej w 2017 roku wynosiło około 1 mln ton i stanowiło zaledwie 3,7% przerobu. W związku z tym w Polsce występuje bardzo wysoki stopień uzależnienia od importu ropy naftowej, wynoszący 96,3%. Drugi niekorzystny czynnik zwiększający ryzyko związane z dostawami ropy naftowej do Polski to bardzo duże uzależnienie od jednego kierunku dostaw (Paliński i Łucki, 2006). Zgodnie z publikacją Polskiej Organizacji Przemysłu i Handlu Naftowego (POPiHN) aż 81,4% importu ropy naftowej pochodzi z Rosji. W sytuacji tak dużego uzależnienia od jednego kierunku dostaw bardzo istotne staje się zgromadzenie rezerw interwencyjnych ropy naftowej i produktów naftowych, gwarantujących dostawy przez wymagane 90 dni. W związku z tym, że budowa magazynów paliw ciekłych trwa co najmniej 2–3 lata, odpowiednie prace analityczne powinny wyprzedzać prace budowlane również co najmniej o kilka lat. W zaprezentowanym artykule przedstawiono wyniki zastosowania zbudowanego modelu matematycznego służącego do prognozowania zużycia paliw w kolejnych latach. Zaprojektowano i skalibrowano w oparciu o wybrany zestaw atrybutów (zmiennych objaśniających) niejednorodny liniowy model ekonometryczny. Dokonano statystycznej weryfikacji oszacowanych parametrów modelu. Do budowy modelu wykorzystano podstawowe wskaźniki makroekonomiczne. Zakres danych historycznych obejmował lata 2000–2017. Ze względu na dużą liczbę kombinacji, jaką należy przebadać dla każdego z modeli (217 − 1) opisane wyżej algorytmy zostały zaimplementowane w postaci programu komputerowego, za pomocą którego dokonano niezbędnych obliczeń.
EN
Ensuring the stable development of the country is one of the most important tasks facing the government. The stable development of the country is closely related to its energy security. The problem of ensuring Poland’s energy security becomes very important due to the large import of crude oil and liquid fuels. In 2017, the refining of crude oil by domestic refiners amounted to 26.8 million tones. Domestic crude oil production in 2017 amounted to approximately 1 million tons and accounted for only 3.7% of processing. Therefore, in Poland there is a high dependence on crude oil imports (96.3%). The second unfavorable factor increasing the risk of crude oil supplies to Poland lies in the very large dependence on one direction of supply (Paliński and Łucki, 2006). According to POPiHN, up to 81.4% of crude oil imports come from Russia. In the situation of such a large dependence on one direction of supply, it becomes very important to collect emergency reserves of crude oil and petroleum products, guaranteeing deliveries for the required 90 days. Due to the fact that the construction of liquid fuel storage facilities lasts at least 2–3 years, appropriate analytical works should precede the construction works also at least by several years. The article presents the results of the application of the mathematical model used to predict fuel consumption in subsequent years. A non-uniform linear econometric model was designed and calibrated based on a selected set of attributes (explanatory variables). A statistical verification of estimated model parameters was carried out. Basic macroeconomic indicators have been used to build the model. The historical data covered the years 2000–2017. Due to the large number of combinations to be tested for each of the models (217 − 1), the algorithms described above were implemented in the form of a computer program which was used to make all the necessary calculations.
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.