Plan prezentacji W P R O W A D Z E N I E. II FILAR WYTWARZANIA - Generacja Rozproszona (OZE/URE) wybrane kryteria klasyfikacji



Podobne dokumenty
SIECI RBF (RADIAL BASIS FUNCTIONS)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Sztuczne Sieci Neuronowe. Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH

Konkurencja wewnątrz OZE - perspektywa inwestora branżowego. Krzysztof Müller RWE Polska NEUF 2010

Klastry energii. Andrzej Kaźmierski Dyrektor Departament Energii Odnawialnej

Koncepcja funkcjonowania klastrów energii. Departament Energii Odnawialnej, Rozproszonej i Ciepłownictwa

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

Prof. Stanisław Jankowski

SZTUCZNA INTELIGENCJA

Rola klastrów w nowej perspektywie finansowej

Kierunki działań zwiększające elastyczność KSE

Bilansowanie mocy w systemie dystrybucyjnym czynnikiem wspierającym rozwój usług systemowych

Sztuczna inteligencja : Zbiory rozmyte cz. III

WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN

Polityka energetyczna Polski do 2030 roku. Henryk Majchrzak Dyrektor Departamentu Energetyki Ministerstwo Gospodarki

Temat: Model TS + ANFIS. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

4.1. Wprowadzenie Podstawowe definicje Algorytm określania wartości parametrów w regresji logistycznej...74

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści

Misją Coca-Cola HBC Polska jest:

Inicjatywa klastrowa Nadbużański Klaster Technologiczny Dolina Zielonej energii

ALGORYTMY SZTUCZNEJ INTELIGENCJI

Wojciech Grządzielski, Adam Jaśkowski, Grzegorz Wielgus

Przedmowa 13. Wstęp 15. Podziękowania 17. Podziękowania od wydawcy 19. Jak korzystać z ksiąŝki 21

Streszczenie. Słowa kluczowe: modele neuronowe, parametry ciągników rolniczych

pilotażowe staże dla nauczycieli i instruktorów kształcenia zawodowego w przedsiębiorstwach

Jak skutecznie budować i rozwijać Klastry Energii. Mariusz Stachnik Edyta Pęcherz Robert Szlęzak

8 sposobów integracji OZE Joanna Maćkowiak Pandera Lewiatan,

Regionalny E-KO-SYSTEM Innowacji Województwa Śląskiego

SZTUCZNA INTELIGENCJA

Systemy uczące się wykład 1

Faza definiowania i koncepcji teorii logistyki oraz pierwsze próby jej zastosowania w praktyce

KRÓTKOTERMINOWE PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ ODBIORCÓW WIEJSKICH PRZY WYKORZYSTANIU MODELI MAMDANIEGO

ZACHODNIOPOMORSKI UNIWERSYTET TECHNOLOGICZNY W SZCZECINIE

Temat: Model SUGENO. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Typy systemów informacyjnych

SUROWCE MINERALNE W DZIAŁANIACH MG

ZASTOSOWANIE AUTORSKIEJ METODY WYZNACZANIA WARTOŚCI PARAMETRÓW NOWOCZESNYCH SYSTEMÓW TECHNICZNYCH DO PŁUGÓW I OPRYSKIWACZY POLOWYCH

Z czego wynika SMART SPECIALIZATION STRATEGY?

Podstawy Sztucznej Inteligencji (PSZT)

16 listopada 2016 r. 1

Polityka energetyczna Polski do 2050 roku rola sektora ciepłownictwa i kogeneracji

Sieci neuronowe w Statistica

Plan Gospodarki Niskoemisyjnej

Oferta badawcza Politechniki Gdańskiej dla przedsiębiorstw

Wady klasycznych modeli input - output

SZTUCZNA INTELIGENCJA WE WSPOMAGANIU PROCESU PROGNOZOWANIA W PRZEDSIĘBIORSTWIE

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe

SZTUCZNA INTELIGENCJA

Spotkanie Partnerów projektu. Biuro GOM, 10 kwietnia 2013 r.

Zastosowania sieci neuronowych

Tworzenie rozmytego systemu wnioskowania

Sieci neuronowe do przetwarzania informacji / Stanisław Osowski. wyd. 3. Warszawa, Spis treści

Kogeneracja w Polsce: obecny stan i perspektywy rozwoju


7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu

Strategia GK "Energetyka" na lata

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Bezpieczeństwo energetyczne w Państwa gminie. KLASTRY ENERGII. Katarzyna Tarnopolska Specjalista ds. pozyskiwania funduszy r.

Audyt funkcjonalnego systemu monitorowania energii w Homanit Polska w Karlinie

Transformacja wiedzy w budowie i eksploatacji maszyn

OPRACOWANIE ZAŁOŻEŃ I REALIZACJA LABORATORYJNEGO SYMULATORA DO BADANIA MODUŁU PODPOWIEDZI

Klaster szansą dla innowacyjności w turystyce

Polityka w zakresie OZE i efektywności energetycznej

STRATEGICZNY PROGRAM BADAŃ NAUKOWYCH I PRAC ROZWOJOWYCH. Zaawansowane technologie pozyskiwania energii. Warszawa, 1 grudnia 2011 r.

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw

Dopasowanie IT/biznes

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe

ODWZOROWANIE RZECZYWISTOŚCI

Zarządzanie łańcuchem dostaw

3. Modele tendencji czasowej w prognozowaniu

Rynek kotłów na biomasę w Polsce

Dopasowanie IT/biznes

Planowanie energetyczne w gminie. Decydują finanse

Cel projektu: Wymogi dotyczące sprawozdania:

Sieci neuronowe i algorytmy uczenia Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.

Systemy uczące się wykład 2

Polityka klastrowa i wsparcie inicjatyw klastrowych doświadczenia i perspektywa

BIOGOSPODARKA. Inteligentna specjalizacja w Województwie Zachodniopomorskim SZCZECIN 20 \06 \ 2013

PROGRAMU OPERACYJNEGO INTELIGENTNY ROZWÓJ

Energetyka rozproszona w drodze do niskoemisyjnej Polski. Szanse i bariery. Debata online, Warszawa, 28 maja 2014 r.

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska

INFORMATYKA Pytania ogólne na egzamin dyplomowy

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE

Projektowanie oprogramowania cd. Projektowanie oprogramowania cd. 1/34

TURYSTYKI DO 2020 ROKU. Warszawa, 17 września 2015 r.

Region i jego rozwój w warunkach globalizacji

Zintegrowany System Informatyczny (ZSI)

Wybrane zastosowania sztucznych sieci neuronowych na rynku walutowym, rynku terminowym i w gospodarce przestrzennej

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Nowe liczniki energii w Kaliszu Nowe możliwości dla mieszkańców. Adam Olszewski

Rynek kotłów na biomasę w Polsce. Podsumowanie 2013 roku

Programowanie Rozwoju Obszaru Metropolitalnego Warszawy. Założenia projektu

Zarządzanie wiedzą. Cechy informacji. Globalna Przestrzeń Informacyjna

STUDIA I MONOGRAFIE NR

Projekt MGrid - od prosumentów do spółdzielni energetycznych

PRZEWODNIK PO PRZEDMIOCIE WYKŁAD ĆWICZENIA LABORATORIUM PROJEKT SEMINARIUM

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Pytania z przedmiotu Logistyka i zarządzanie łańcuchem dostaw

KRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH. Sławomir Śmiech, Monika Papież

Transkrypt:

Plan prezentacji 2 W P R O W A D Z E N I E 1. II FILAR WYTWARZANIA - Generacja Rozproszona (OZE/URE) wybrane kryteria klasyfikacji 2. Poziomy wirtualizacji generacji rozproszonej 3. Struktura i funkcjonalność Inteligentnego Systemu Zarządzania (Symulator) P O D S U M O W A N I E

wprowadzenie WIRTUALNA ORGANIZACJA Organizacja tworzona na zasadzie dobrowolności, jej uczestnicy wchodzą ze sobą w różnego typu związki dla realizacji wspólnego celu. Czas trwania związku jest ustalany przez każdego z uczestników wirtualnej organizacji. Może on wystąpić ze związku w każdej Organizacja na zasadzie dobrowolności, uczestnicy chwili, jeżeli uzna tworzona że jest to niekorzystna forma współpracy. Wirtualnajej organizacja działa w cyberprzestrzeni. Wirtualna organizacja uzupełnia luki: informacyjne, produktowe, wchodzą sobą w różnego typu związki dla wielkości realizacji wspólnego Struktura ze wirtualna dopasowanie organizacji przestrzenne, rozwojowe jakumożliwia również kompetencyjno-zasobowe (wg J. Kisielnickiego). Wirtualne gospodarcze mogąprzez być inicjowane ramach celu. CzasOrganizacje trwania związku jest ustalany każdego z wuczestnioraz jej produktów (w tym wartości dodanych) w zależności od zachodzących pomiędzy konkurującymi zekażdej sobą. ków wirtualnej aliansów organizacji. Może onfirmami wystąpić ze związku w Wirtualne gospodarcze mogą być inicjowane satysfakcji w ramach zachodzących potrzeb Organizacje rynku, z jednoczesnym wzmocnieniem klientów aliansów pomiędzy firmami konkurującymi ze sobą. Alianse tych podmiotów w ramach chwili, uzna że jest to niekorzystna formaorganizacyjnej współpracy. Alianse jeżeli tych podmiotów w ramach wirtualnej sieci wirtualnej sieci organizacyjnej to jednocześnie stymulacja konkurencji oraz wzajemnego finalnych. Na rynkach o silnej koncentracji podmiotów dużej skali współdziałania. Wirtualna organizacja działa w cyberprzestrzeni. to jednocześnie stymulacja konkurencji oraz wzajemnego współmałe i średnie podmioty gospodarcze mogą działaćproduktowe, jako duże Wirtualna organizacja uzupełnia luki: informacyjne, działania. zintegrowane gospodarcze. Struktura wirtualnaorganizacje umożliwia dopasowanie wielkościkompetencyjno-zasobowe organizacji oraz jej produktów przestrzenne, rozwojowe jak również (w tym wartości dodanych) w zależności od potrzeb rynku, z jednoczesnym wzmocnieniem klientów (wg satysfakcji J. Kisielnickiego). finalnych. Na rynkach o silnej koncentracji podmiotów dużej skali - małe i średnie podmioty gospodarcze mogą działać jako duże zintegrowane organizacje gospodarcze. Traktuj zasoby rozproszone tak jakby były scentralizowane (wg Hammera) 3

1. I I F I L A R W Y T WA R Z A N I A Generacja Rozproszona (OZE/URE) - wybrane kryteria klasyfikacji 4

5 Definicja Wirtualnej Elektrowni Wirtualna Elektrownia to organizacja sieciowa tworzona przez dobrowolnie uczestniczących w tej strukturze, niezależnych producentów energii w źródłach generacji Wirtualna Elektrownia to organizacja sieciowa tworzona przez rozproszonej mikro- i małej skali (OZE/URE). Źródła te określane jako JWMM, mogą Proponuje sięuczestniczących trzy poziomy analizy źródeł energii pracować w sieciach wzajemnych powiązań, w środowisku wirtualnym dobrowolnie w integrowanych tej wirtualizacji strukturze, niezależnych (SmartGrid /i MicroGrid). mikromałej energii skali: w źródłach generacji rozproszonej mikroproducentów Wirtualna Elektrownia dopasowuje swoją strukturę organizacyjną, produkty polige i małej na poziomie KSE produkcji podejście WEK; neracyjne oraz elastycznie do popytujako konsumentów finalnych. skaliwielkość (OZE/URE). Źródła te określane JWMM, mogą W ujęciu ekosystemulokalnego jest organizmem na poziomie rynku żywym. energii podejście WEK oraz pracować w sieciach wzajemnych powiązań, integrowanych w OZE/URE; środowisku wirtualnym (SmartGrid / MicroGrid). Wirtualna na poziomie klienta dopasowuje podejście OZE/URE. Elektrownia swoją strukturę organiza- Proponuje się trzy poziomy analizy wirtualizacji źródeł energii mikro- i małej skali: cyjną, p r KSE od u kpodejście t y p o lwek; i gwg e n ekoncepcji r a c y j n e oraz wielkośćorganizacji produkcji na poziomie Podejście strategiczne wirtualizacji na poziomie lokalnego rynku energii podejście WEK oraz OZE/URE; elastycznie do popytu konsumentów finalnych. N. Venkatramana oraz J.C. Hendersona. na poziomie klienta podejście OZE/URE. W ujęciu ekosystemu jest organizmem żywym. Podejście strategiczne wg koncepcji wirtualizacji organizacji N. Venkatramana oraz J.C. Hendersona.

P O Z I O M K S E P O Z I O M K S E Poziomy wirtualizacji generacji rozproszonej 6

POZIOM LOKALNEGO RYNKU ENERGII Poziomy wirtualizacji generacji rozproszonej 7

P O Z I O M K L I E N TA Poziomy wirtualizacji generacji rozproszonej 8

LOKALNY RYNEK ENERGII. 9

10 LOKALNY RYNEK ENERGII ELEKTRYCZNEJ

LOKALNY RYNEK ENERGII CIEPLNEJ 11

12 LOKALNY RYNEK PALIW TRANSPORTOWYCH

Struktura i funkcjonalność inteligentnego systemu zarządzania wirtualną elektrownią (symulator) 5 reguły 1 - zewnętrzne 7 - Wiedza decyzyjne pomięskładowe wiedzy, dzy warunkami o popycie na agregowana i przetwarzana 6 w modułach operacyjnych 2 1 oraz w modułach MAW, MOW 8 - decyzje dzania wartością tworzoną Wirtualnej Elektrowni oraz w poszczególnych JWMM 5 (decyzje genero- MAW wane w wirtualnym środowisku ISZWE, 7 w postaci MOW harmonogramów pracy) 8 10 - przesył harmonogramów MZRJWMW pracy BPKD oraz BPP 9 lub sygnałów JWMM 3 4 atrybutów wejścioenergię elektryczną wych a konkluzjami w perspektywie decyzyjnymi wartolokalnej ści wyjściowych 2 - zewnętrznei (generowane składowe przesyłanewiedzy, przez o popycie i dziedziprefeekspertów rencjachcdzwe) konsumennowych z zakresu zarzą- sterujących 13 10 tów finalnych 6 - wewnętrzne 3 - zewnętrzne składowe wiedzy, składowe wiedzy, o zdolnościach o przepływach suroprodukcyjnych wców energetyczposzczególnych nych, JWMMo kooperacji w zakresie pozyski9 - potwierdzenie wania surowców realizacji lub korekty energetycznych harmonogramów perspektywa lokalna pracy Wirtualnej 4 - zewnętrzne Elektrowni oraz składowe wiedzy poszczególnych - wielkości pomiajwmm rowe pozyskiwane wygenerowanych on-line (popyt na w wirtualnym energię poszczególśrodowisku ISZWE MS nych konsumentów finalnych, prognozy atmosferyczne)

Zintegrowane moduły: MPWSW, MPZSW, MAW MODUŁY MPZSW, MPWSW, MAW 14 ELEMENTY MODUŁÓW BAZUJĄCYCH NA GENERATORACH SZTUCZNEJ INTELIGENCJI ZADANIA, FUNKCJONALNOŚĆ, WYBRANE WARUNKI DECYZYJNE W modułach tych, podstawowe ich zadania realizowane są przez Systemy CAKE (Computer Aided Knowladge Engineering) i SHELL. Gromadzone są tu atrybuty wejściowe i wyjściowe oraz przypisywane im odpowiednie zbiory wartości. Generowane są również reguły uczące na podstawie łączenia konkluzji decyzyjnych (przyjmowanie odpowiednich wartości ze zbioru atrybutów wyjściowych) z warunkami decyzyjnymi (logicznie integrowane wartości ze zbiorów atrybutów wejściowych). Przykładowe wewnętrzne atrybuty wejściowe: moc znamionowa bloków energetycznego P n, wartość opałowa paliwa W d, koszty jednostkowe paliwa k jp, sprawność bloku energetycznego ƞ, emisja CO 2. Wartość wyjściowa: moc dyspozycyjna P d Przykładowy warunek: W w (P n, W d, k jp, ƞ) = P d {agregacja wiedzy z wykorzystaniem systemów Komputerowego Wspomagania Inżynierii Wiedzy oraz systemów ekspertowych} struktura

MODUŁ MOW: MODUŁ MOW 15 ELEMENTY MODUŁÓW BAZUJĄCYCH NA GENERATORACH SZTUCZNEJ INTELIGENCJI ZADANIA, FUNKCJONALNOŚĆ, WYBRANE WARUNKI DECYZYJNE W tej części systemu zdefiniowano optymalne architektury sieci neuronowych w środowisku aplikacyjnym STATISTICA NEURAL NETWORKS PL. Zdefiniowano zbiór sieci neuronowych zachowując ich różnorodność strukturalną. W ramach badań zdefiniowano i badano w procesie predykcji badanego zjawiska; m.in. architektury sieci o radialnych funkcjach bazowych RBF (Radial Basis Function Networks), sieci realizujące regresję uogólnioną GRNN (Generalized Regression Neural Network), jednokierunkowe sieci wielowarstwowe MLP (Multilayer Perceptrons) oraz sieci liniowe (Linear Networks). Na podstawie składowych funkcji celu zdefiniowano priorytetowe kryteria determinujące proces uczenia oraz samouczenia się sieci neuronowych. Przykładowe atrybuty wejściowe: moc dyspozycyjna P d, ceny godzinowodobowe na rynku REE w obszarze działania C REE, ilość energii na rynku REE w obszarze działania IE REE, popyt energii elektrycznej na rynku REE w obszarze działania PREE. Wartość wyjściowa: prognoza obciążeń Wirtualnej Elektrowni oraz poszczególnych JWMM P obc Przykładowy warunek: W w+1 (P d, C REE, IE,P REE )=P obc {prognoza przy wykorzystaniu sieci neuronowych} W module wynikowym/weryfikacji MOW generowane są dokładności prognozy P obc. Posłużono się uniwersalnymi miarami jakości prognozy; m.in. takimi jak błędy ex post, wskaźnik dokładności prognozy, średni błąd kwadratowy prognozy w przedziale weryfikacji prognozy. W badaniach jakość prognozy sprawdzana była na szeregu empirycznej prognozy. Elementy szeregu czasowego stanowiły składowe przykładów uczących. struktura

MODUŁ MZEJWMM 16 ELEMENTY MODUŁÓW BAZUJĄCYCH NA GENERATORACH SZTUCZNEJ INTELIGENCJI WYBRANE REGUŁY ALOKOWANE W BLOKU INFERENCJI ZAPROPONOWANEGO MODELU 1. If (Pobc is bzn) and (P is wysoka) and (Kj is niska) and (C REE is wysoka) then (S is Z) 2. If (Pobc is bp) and (Pd is wysoka) and (Kj is średnia) and (C REE is średnia) then (S is R) 3. If (Pobc is bn) and (Pd is średnia) and (Kj is wysoka) and (C REE is niska) then (S is W) 4. If (Pobc is bzw) and (Pd is wysoka) and (Kj is wysoka) and (C REE is niska) then (S is W) 5. If (Pobc is bzw) and (Pd is niska) and (Kj is wysoka) and (C REE is wysoka) then (S is W) 6. If (Pobc is bzn) and (Pd is wysoka) and (kj is średnia) and (C REE is średnia) then (S is Z) ZADANIA, FUNKCJONALNOŚĆ, WYBRANE WARUNKI DECYZYJNE W module MZRJWMM generowane są dwustanowe lub trzystanowe zmienne nominalne włączenia/wyłączenia lub załączania JWMM jako źródeł rezerwowych. Generowane stany nominalne są implikowane przy określaniu harmonogramów pracy Wirtualnej Elektrowni (BPKD oraz BPP). W tym przypadku wykorzystano Systemy rozmyte generowane w środowisku MATLAB FUZZY TOOLS. W tym środowisku aplikacyjnym przypisywano wartości lingwistyczne do rozmytej funkcji ich przynależności. Przykładowe atrybuty wejściowe to: moc dyspozycyjna - P d oraz prognozowana moc obciążeń bloków energetycznych - P obc, ceny godzinowo-dobowe na rynku REE w obszarze działania - C REE. Wartości wyjściowe to dwustanowe lub trzystanowe zmienne nominalne włączenia/wyłączenia lub załączenia JWMM jako źródeł rezerwowych - S. Przykładowy warunek: W w (P d, P obc, C REE, K j ) =S {wykorzystano zjawisko rozmytych wartości funkcji przynależności} struktura

W N I O S K I 17 Generacja rozproszona wzmacnia swój potencjał konkurencyjny (materialny i niematerialny) uzupełniając lukę kompetencyjnozasobową poprzez wzajemną organizacyjną wirtualizację. Wirtualne Elektrownie minimalizują koncentrację wytwarzania i handlu na rynkach konkurencyjnych zdominowanych przez WEK, wzmacniają również rozwojowy rynek OZE/URE.

PROGNOSTYCZNE DZIAŁANIA ORGANIZACYJNE 18 Tworzenie partnerstwa w formule PPP lub ESCO, co jest możliwe, kiedy podmioty Z a r z ą d z a n i e i n t e l i g e n t n e i m y ś l e n i e s y s t e m o w e wchodzące w skład Wirtualnej Elektrowni będą wzmacniać czynniki partnerstwa przy współpracy z jednostkami samorządowymi. (wg P. Senge) jednostek współtworzących Wirtualną Elektro- Tworzenie partnerstwa w formule PPP lub ESCO, co jest wnię to instrumenty zarządzania, które stymulować będą możliwe, kiedy podmioty wchodzące w skład Wirtualnej zrównoważony rozwój rynków finalnych energii (wg formuły Elektrowni będą wzmacniać czynniki partnerstwa przy 3X20) jak również stymulację powiązań energetyczno-środo- współpracy z jednostkami samorządowymi. wiskowo-społecznych w procesach produkcji i zarządzania Zarządzanie inteligentne i myślenie systemowe (wg P. Senge) jednostek współtworzących Wirtualną Elektrownię to instrumenty zarządzania, które stymulować będą energią w systemach energetyki rozproszonej (wg J. Popczyka). zrównoważony rozwój rynków finalnych energii (wg formuły 3X20) jak również stymulację powiązań energetyczno-środowiskowo-społecznych w procesach produkcji i zarządzania energią w systemach energetyki rozproszonej (wg J. Popczyka).