Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Analysis of variability of payback time of investments in various types of RES micro-installations for enterprises purchasing electricity and gas at the TGE on micro-installation scale

100%

Kaczmarzewski S. , Kulpa J. , Olczak P.

tom Nr 6

81--88

In the years 2021-2023, Poland and Europe experienced unprecedented increases in energy prices in the last dozen or so years, leading to shifts in the economic perception of renewable energy sources. PV installations have achieved a simple payback time (SPBT) of less than 10 years, also prompting a consideration installation solar thermal collectors. The study analyzed selected micro-scale renewable energy installations (photovoltaic, wind turbine, solar thermal collector) and estimated simple payback times for individual potential investments in these installations. The analyses revealed that PV installations currently have the shortest payback time, but this trend might evolve in the future due to the lowest daily energy prices coinciding with the highest energy production values from PV installations. In the years 2016-2023, the lowest SPBT value was attained for photovoltaics. However, in 2022, a similar SPBT value was achieved for solar thermal installations, replacing natural gas sources. PV and solar thermal technologies are also viable for micro-installations, with lower associated risks related to productivity, such as specific yields influenced by geographical and weather conditions, as well as terrain and landscape features, especially for small turbine turbines.

W latach 2021 — 2023 W Polsce i W Europie wystąpiły niespotykane W ostatnich kilkunastu latach wzrosty cen energii, które spowodowały zmiany W postrzeganiu ekonomicznym źródeł typu OZE. Instalacje PV osiągnęły prosty czas zwrotu (SPBT) poniżej 10 lat, a dla solar thermal wrócił czas do rozważania tego typu urządzeń. W pracy przeanalizowano wybrane instalacje OZE (photovoltaic, wind turbine, solar thermal collector) W skali mikro oraz oszacowane proste czasy zwrotu dla poszczególnych potencjalnych inwestycji W instalacje. W wyniku analiz instalacje PV mają najkrótszy czas zwrotu, jednak W przyszłości może się to zmienić ze względu na trend W zakresie występowania najniższych cen energii W skali doby przy najwyższych wartościach produkcji energii z instalacji PV. W latach 2016 — 2023 najniższa wartość SPBT osiągalna była dla fotowoltaiki, jednak W 2022 podobna wartość SPBT została osiągnięta dla instalacji solar thermal zastępującej źródła natural gas. PV i solar thermal to także technologie, których zastosowanie W skali mikroinstalacji nie Wiąże się z dużym ryzykiem związanym z produktywnością (specific yields) np. spowodowanych warunkami geograficznymi i pogodowymi, a także ukształtowaniem terenu i kraj obrazu (szczególnie dla małych Wind turbines).

Sustainable management of hard coal resources implemented by identifying risk factors in the mining process

88%

Sobczyk E. J. , Kulpa J. , Kopacz M. , Sałamaga M. , Sobczyk W.

tom T. 40, z. 3

23--48

Dealing with risk and addressing risk consequences constitute indispensable and specific elements of every business activity. The aim of this paper has been to assess the level of risk connected with the process of exploitation of hard coal deposits used for the production of coke in Poland, that is why a methodology has been developed which takes into account the impact of significant risk factors resulting from both geological and mining conditions upon unit cost of coal mining. This methodology constitutes a comprehensive approach to sustainable management of hard coal resources. The key source of information pertaining to exploitation risk factors is the digital geological model of hard coal deposit which has been developed. It comprises a structural model as well as a quality model of the basic quality parameters of coal. Structural models and coal quality models have been developed on the basis of litho-stratigraphic profiles from geological exploratory boreholes and underground observations (boreholes drilled from underground workings and their profiling). The structural grid model also contains information on tectonic disturbances (faults) or sedimentation disturbances (intercalations, wash-outs, and the like). The digital model was used as the basis for devising time schedules of development and preparatory works, as well as coal extraction proper. Historical results of mining and economic data from 81 longwalls mined in the years 2016-2022 have been used for the purpose of analysis of the impact of risk factors on unit operating costs. The analysis comprised a total of 23 criteria which influence the costs of mining. From that group, 10 risk factors have been selected by means of statistical analysis using segmented regression, these factors have been utilized to make an assessment of the forecast concerning risk factor level for zones of the deposit meant for mining until the year 2035. The risk factors taken into account were those which are due to natural hazards, geological structure of the deposit (coal seam) and technical limitations. Risk factor (RF) indicator has been developed, for its construction the Fuzzy Analytic Hierarchy Process (FAHP ) has been used. The value of RF, which expresses the aggregated form of variability concerning individual factors pertaining to geology and mining, has been used to determine the adjusted own risk assessment when estimating the economic efficiency of the coking coal deposit for 8 exploitation zones with the use of discounted cash flow method. The assessed average value of RF for the entire deposit amounted to 0.29. The lowest level of RF was noted in case of zone W (RF = 0.17), whereas the highest value of risk occurs in zone PN (RF = 0.64). The values of RF were used to calculate the rate of discount as consolidated measure of own risk, when assessing investment projects in mining. For zone W with the lowest risk of mining the discount rate amounts to 8.34%, whereas in case of zone PN which has the highest risk level, it amounts to 15.02%. Assessing the level of mining risk provides the possibility to optimize the cost of mining, and may be utilized for making decisions concerning the sequence and time of mining from particular zones of the deposit.

Radzenie sobie z ryzykiem z jego konsekwencjami to nieodzowny i specyficzny element każdego działania biznesowego. Celem artykułu była ocena poziomu ryzyka związanego z procesem eksploatacji złóż węgla kamiennego wykorzystywanych do produkcji koksu w Polsce, dlatego opracowano metodykę uwzględniającą wpływ istotnych czynników ryzyka wynikających zarówno z warunków geologicznych, jak i górniczych, na koszt jednostkowy wydobycia węgla. Metodologia ta stanowi kompleksowe podejście do zrównoważonego zarządzania zasobami węgla kamiennego. Kluczowym źródłem informacji o czynnikach ryzyka eksploatacyjnego jest opracowany cyfrowy model geologiczny złoża węgla kamiennego. Zawiera model strukturalny oraz model jakościowy podstawowych parametrów jakościowych węgla. Modele strukturalne i modele jakości węgla opracowano na podstawie profili litostratygraficznych z odwiertów badań geologicznych i obserwacji podziemnych (otwory wiertnicze z wyrobisk podziemnych i ich profilowanie). Model siatki strukturalnej zawiera również informacje o zaburzeniach tektonicznych (uskokach) lub zaburzeniach sedymentacji (interkalacje, wymywania itp.). Model cyfrowy posłużył jako podstawa do opracowania harmonogramów prac rozwojowych, przygotowawczych i samego wydobycia węgla. Do analizy wpływu czynników ryzyka na jednostkowe koszty operacyjne wykorzystano historyczne wyniki badań górniczych i dane ekonomiczne z 81 ścian eksploatowanych w latach 2016-2022. W analizie wzięto pod uwagę łącznie 23 kryteria wpływające na koszty wydobycia. Z tej grupy wyłoniono 10 czynników ryzyka w drodze analizy statystycznej metodą regresji segmentowej, na podstawie których dokonano oceny prognozy poziomu czynników ryzyka dla stref złoża przeznaczonych do eksploatacji do roku 2035. Wzięto pod uwagę czynniki ryzyka, które wynikają z zagrożeń naturalnych, budowy geologicznej złoża (pokład węgla) oraz ograniczeń technicznych. Opracowano wskaźnik czynnika ryzyka (RF), do jego budowy wykorzystano proces Fuzzy Analytic Hierarchy Process (FAHP ). Wartość współczynnika RF, wyrażająca zagregowaną postać zmienności poszczególnych czynników geologiczno-górniczych, posłużyła do wyznaczenia skorygowanej własnej oceny ryzyka przy szacowaniu efektywności ekonomicznej złoża węgla koksującego dla 8 stref eksploatacyjnych przy zastosowaniu zdyskontowanych metoda przepływu środków pieniężnych. Oszacowana średnia wartość RF dla całego złoża wyniosła 0,29. Najniższy poziom RF odnotowano w strefie W (RF = 0,17), natomiast największa wartość ryzyka występuje w strefie PN (RF = 0,64). Wartości RF posłużyły do obliczenia stopy dyskonta jako skonsolidowanej miary ryzyka własnego przy ocenie projektów inwestycyjnych w górnictwie. Dla strefy W o najniższym ryzyku eksploatacyjnym stopa dyskontowa wynosi 8,34%, natomiast dla strefy PN o najwyższym poziomie ryzyka wynosi 15,02%. Ocena poziomu ryzyka eksploatacyjnego daje możliwość optymalizacji kosztów wydobycia i może być wykorzystana do podejmowania decyzji dotyczących kolejności i czasu eksploatacji poszczególnych stref złoża.