Energy characteristics were estimated for an exemplary single-family detached house on the basis of four calculation methods (according to the Directive 2010/31/EU on energy characteristics of detached houses) such as: the method based on the actually consumed amount of energy, the method based on the actually consumed amount of energy calculated for the standard weather conditions and the calculation method compatible with methodology from 2009 with its newest version of 2014 as well. Then the comparison analysis of the method based on the energy actually consumed with the calculation methods for the standard weather conditions was conducted. While comparing needs for final energy for building heating, one can notice a great discrepancy between values of relative errors of estimation. The value of estimation error in comparison with the total energy consumption for heating and preparing hot usable water amounts to 70% if you compare it to the calculation method (according to the methodology of 2014) with the actual energy consumption, whereas 36% if compared to the conversion conditions. The application of calculation models contained in the methodology of 2008 gives better results, because the estimating error is from 38% (compared with the actual energy consumption) to 11% (compared with real consumption taking into consideration the standard conditions). The method used to determine the characteristics will depend on whether the house meets the criteria in rules concerning minimal demands indicating the unit need for initial energy IE max. If the energy characteristics certificate is made on the basis of the method based on the real energy quantity consumption, it will show that a house will fulfill demands, while in the case where energy characteristics will be prepared based on calculation method compatible with the methodology of 2014 the house won’t fulfill demands and it won’t be accepted. If you want to accept as objective the proposed methodology of fulfilling energy certificates, energy characteristics defined on the actual consumed quantity of energy should include a notation of the need to calculate results for the conditions of the standard season.
PL
Oszacowano charakterystykę energetyczną dla przykładowego budynku mieszkalnego jednorodzinnego w oparciu o cztery metody obliczeniowe (zgodne z Dyrektywą 2010/31/UE w sprawie charakterystyki energetycznej budynków), takie jak: metoda oparta na faktycznie zużytej ilości energii, metoda oparta na faktycznie zużytej ilości energii, przeliczona na warunki sezonu standardowego oraz metoda obliczeniowa zgodna z metodologią z 2009 r. a także z jej najnowszą wersją z 2014 r. Następnie przeprowadzono analizę porównawczą metody opartej na faktycznie zużytej energii z metodami obliczeniowymi dla standardowych warunków klimatycznych. Przy porównaniu zapotrzebowania na energię końcową do ogrzewania budynku można zauważyć dużą rozbieżność między wartościami względnych błędów oszacowania. Wartość błędu oszacowania przy porównaniu całkowitego zużycia energii na ogrzewanie i przygotowanie ciepłej wody użytkowej wynosi blisko 70% jeżeli porównuje się metodę obliczeniową (według metodologii z 2014 r.) z faktycznym zużyciem energii, natomiast 36% jeżeli odniesiemy to do warunków przeliczeniowych. Lepsze wyniki daje zastosowanie modeli obliczeniowych zawartych w metodologii z 2008 roku, ponieważ błąd oszacowania wynosi od 38% (porównanie z faktycznym zużyciem energii) do 11% (porównanie do rzeczywistego zużycia w przeliczeniu na warunki standardowe). W zależności od tego według jakiej metody zostanie sporządzona charakterystyka energetyczna budynku, będzie zależało czy budynek spełni kryteria zapisane w przepisach odnośnie minimalnych wymagań dotyczących wskaźnika jednostkowego zapotrzebowania na energię pierwotną EPmax.. Jeżeli świadectwo charakterystyki energetycznej zostanie wykonane w oparciu o metodę opartą na faktycznym zużyciu energii spowoduje to, że budynek będzie spełniał wymagania, natomiast w przypadku gdy charakterystyka energetyczna zostanie sporządzona w oparciu o metodę obliczeniową zgodną z metodologią z roku 2014 budynek nie spełni wymagań i nie będzie mógł być odebrany. Aby za obiektywną można było uznać zaproponowaną w metodologii sporządzania świadectw energetycznych metodę wyznaczania charakterystyki energetycznej opartej na faktycznie zużytej ilości energii powinna ona być uzupełniona o zapis o konieczności przeliczenia uzyskanych wyników na warunki sezonu standardowego.
An analysis of heat consumption and the potential of biomass energy was made in particular counties of Lubelskie Voivodship and its spatial diversity was analyzed. Demand for heat in the rural areas of the voivodship runs at a level of 12993 GWh/year while potential biomass that can be used for energy is 5333 GWh/year. On this basis it is estimated that biomass’ share in the voivodship energy sources for heating needs can amount to 43%. To estimate spatial diversity in the share of biomass in covering demand for heat within the voivodship fuzzy sets were used. The highest biomass participation in meeting heat demand needs appears in the eastern and southern counties of the voivodship (Parczewski, Hrubieszowski, Janowski, Biłgorajski, Kraśnicki, Włodawski counties), while the lowest potential was noted in the counties in the north-west (łukowski, opolski and łęczńyski) and these being in the neighbourhood with town counties, including Lublin and Zamość.
PL
Przeprowadzono analizę zużycia ciepła i potencjału energetycznego biomasy w poszczególnych powiatach województwa lubelskiego, oraz przeanalizowano jego zróżnicowanie obszarowe. Popyt na ciepło na obszarach wiejskich województwa kształtuje się na poziomie 12 993 GWh/rok, zaś potencjał techniczny biomasy, która może być wykorzystana na cele energetyczne wynosi 5 333 GWh/rok Na tej podstawie szacuje się, że udział biomasy w pokryciu potrzeb cieplnych na terenie województwa może wynieść 43%. Aby móc określić przestrzenne zróżnicowanie udziału biomasy w pokryciu zapotrzebowania na ciepło na obszarze województwa wykorzystano teorię zbiorów rozmytych. Najwyższy udział biomasy w zaspokojeniu potrzeb cieplnych występuje w powiatach wschodnich i południowych województwa (parczewskim, hrubieszowskim, janowskim, biłgorajskim, kraśnickim i włodawskim), najniższy zaś w powiatach zlokalizowanych na północnym zachodzie (łukowskim, opolskim i łęczyńskim) oraz sąsiadujących z powiatami grodzkimi takimi jak Lublin oraz Zamość.
For selected photovoltaic installations generating 3 and 10 kW power, operating in the on-grid system, the amount of electric power that can be generated has been calculated. Next, business analysis has been conducted based on static and dynamic methods, such as: SPBT, PBP, NPV, IRR and CCE. Calculations were made for three options: i.e. the system investment costs are born in their entirety by the investor, or the installation is purchased in the framework of the ‚Prosument’ programme run by the National Fund for Environment Protection and Water Management. As a result of the calculations made it has been found that despite support instruments and attractive purchase prices of the energy generated, the electric power generation is not profitable with the current level of investment expenditure for the construction of such an installation if we take into considerations the running and depreciation costs. Taking advantage of the 40% investment co-financing in the 10kW ‚Prosumer’ programme will enable only to minimise losses.
PL
Dla przykładowych instalacji fotowoltaicznych o mocach 3 kW i 10 kW pracujących w systemie on-gird obliczono ilość możliwej do uzyskania energii elektrycznej. Następnie przeprowadzono analizę ekonomiczną w oparciu o metody statyczne i dynamiczne takie jak: SPBT, PBP, NPV, IRR oraz CCE. Obliczenia wykonano dla trzech wariantów, tj.: koszty inwestycyjne systemu ponoszone są w całości przez inwestora, lub instalacja jest zakupiona w ramach programu NFOŚiGW „Prosument”, przy czym wartość umorzenia wynosi 30% lub 40% kosztów inwestycji. W wyniku przeprowadzonych obliczeń stwierdzono, że mimo instrumentów wsparcia oraz atrakcyjnych cen zakupu wytworzonej energii, przy obecnym poziomie nakładów inwestycyjnych na budowę tego typu instalacji, produkcja energii elektrycznej, po uwzględnieniu kosztów eksploatacyjnych i amortyzacji jest nieopłacalna. Skorzystanie z dofinansowania 40% inwestycji o mocy 10 kW w programie „Prosument” pozwoli jedynie na minimalizację strat.
In this study, the effectiveness of classical regression models to forecast the indicator of mass accumulation of waste was investigated. The economic and infrastructural variables were used as explanatory variables. The conducted studies show that applying regression models can produce forecasting models generating errors at an acceptable level although only for the municipalities of urban and urban-rural administrative type. For the models where the following were selected as explanatory variables: income indicator, mean number of persons living in a residential building, proportion of arable land in the structure of land use, percentage of buildings in the municipality covered by the waste collection scheme, and the functional type of municipality, the error in the forecast obtained for the test set amounted to 12%–14%. Using the same set of explanatory variables for the rural municipalities caused the models to display forecasting errors for the test set ranging from 35% to 50%. Also, applying another combination of input variables gathered in the course of the studies did not result in developing models of better quality. Therefore, further studies are necessary in the search for more effective methods or other variables describing the mass waste accumulation indicator in rural municipalities.
PL
W pracy badano przydatność klasycznych modeli regresyjnych do prognozowania wskaźnika nagromadzenia odpadów. Jako zmienne objaśniające wykorzystano wskaźniki ekonomiczne i infrastrukturalne. Z wykonanych badań wynika, że stosując modele regresyjne można opracować modele prognostyczne generujące błąd na akceptowalnym poziomie ale tylko dla gmin o typie administracyjnym miejskim i miejsko-wiejskim. Dla modeli, w których zmiennymi objaśniającymi były wskaźnik dochodu, średnią ilość osób zamieszkujących budynek mieszkalny, udział użytków rolnych w strukturze użytkowania, procent budynków w gminie objętych systemem zbiórki oraz typ funkcjonalny gminy uzyskano błąd prognozy dla zbioru testowego na poziomie 12–14%. Wykorzystanie tego samego zestawu zmiennych objaśniających dla gmin wiejskich spowodowało, że opracowane modele miały błąd prognozy dla zbioru testowego na poziomie 35–50%. Również wykorzystanie innej kombinacji zmiennych wejściowych zgromadzonych w trakcie badań nie umożliwiło opracowanie modelu lepszej jakości. Konieczne są więc dalsze badania w kierunku poszukiwania efektywniejszych metod lub innych zmiennych opisujących wskaźnik masowego nagromadzenia odpadów na terenach gmin wiejskich.
The study compared the effectiveness of the rough set theory and artificial neural networks with respect to predicting the rate of waste mass accumulation for recipients in the areas of rural municipalities. Simulations were performed for two variants of input variables. The first of them used all economic, infrastructure and economic indicators as independent variables. The second case was limited only to those whose correlation with the class label attribute exceeded 0,2 and they included: population density, percentage of buildings in the municipality covered by the collection system, the rate of income, and agricultural area. The analysis showed that rough sets’ models generate comparable-quality forecasts of mass waste accumulation rate for rural municipalities, such as artificial neural networks. The developed models are characterized by a high forecast error of about 20%–27%. Further research is needed towards finding effective methods or other conditional attributes that describe the rate of mass accumulation of waste in the areas of rural municipalities.
PL
W pracy porównywano efektywność teorii zbiorów przybliżonych i sztucznych sieci neuronowych do prognozowania wskaźnika masowego nagromadzenia odpadów dla odbiorców na terenach gmin wiejskich. Symulacje wykonywano dla dwóch wariantów zmiennych wejściowych. W pierwszym z nich jako zmienne niezależne wykorzystano wszystkie zgromadzone wskaźniki ekonomiczne, infrastrukturalne i gospodarcze. W drugim natomiast ograniczono się tylko do tych, których korelacja z atrybutem decyzyjnym była powyżej 0,2 a były to: gęstość zaludnienia, procent budynków w gminie objętych systemem zbiórki, wskaźnik dochodu, powierzchnię użytków rolnych. Wykonane analizy pokazały, że modele zbiorów przybliżonych generują porównywalnej jakości prognozy wskaźnika masowego nagromadzenia odpadów dla gmin wiejskich jak sztuczne sieci neuronowe. Opracowane modele charakteryzowały się wysokim błędem prognozy na poziomie około 20–27%. Konieczne są więc dalsze badania w kierunku poszukiwania efektywniejszych metod lub innych atrybutów warunkowych opisujących wskaźnik masowego nagromadzenia odpadów na terenach gmin wiejskich.
A public utility facility underwent an energy and economic efficiency audit regarding the photovoltaic system generating electricity for its own needs. The audit included an analysis of the amount of energy produced by the PV generation system, the calculation of the amount of the energy conserved, as well as the economic viability of the project in accordance with the guidelines contained in the Regulation of the Minister of Economy on energy efficiency. Two options for the financing of investments were considered: own resources of the public body or the purchase of the system with the financing from the EU funds — ROP Measure 7.2 – Improving air quality and increase in the use of renewable energy sources. On the basis of the economic analysis, it was determined that the installation of a photovoltaic system is economically justified only if the public body receives funding from external sources — such an investment (taking into account the changing value of money over time) may be recovered after 13 years of use, and the cost incurred to conserve energy will be twice lower than the cost of purchasing electricity from the grid.
PL
Dla obiektu użyteczności publicznej wykonano audyt efektywności energetycznej i ekonomicznej systemu fotowoltaicznego produkującego energię elektryczną na własne potrzeby. Audyt obejmował analizę wielkości produkcji energii elektrycznej przez elektrownię PV, obliczenie ilości zaoszczędzonej energii, jak również analizę opłacalności ekonomicznej przedsięwzięcia zgodnie z wytycznymi zawartymi w rozporządzeniu ministra gospodarki o efektywności energetycznej. Rozważano dwie opcje finansowania inwestycji: środki własne organu publicznego lub zakup systemu z dofinansowaniem ze środków Unijnych — RPO Działania 7.2 Poprawa jakości powietrza i zwiększenie wykorzystania odnawialnych źródeł energii. Na podstawie wykonanej analizy ekonomicznej ustalono, że montaż systemu fotowoltaicznego jest uzasadniony ekonomicznie jedynie w przypadku gdy organ publiczny otrzyma dofinansowanie ze źródeł zewnętrznych — inwestycja taka (uwzględniając zmianę wartości pieniądza w czasie) może zwrócić się po 13 latach użytkowania, a koszt poniesiony na zaoszczędzenie energii będzie dwukrotnie niższy od kosztu zakupu energii z sieci.
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.