Analiza rynku gazu ziemnego w Polsce w latach i prognozy na lata

Podobne dokumenty
Wpływ podziemnego magazynowania gazu na efektywność eksploatacji złóż w PGNiG SA, Odział w Sanoku

Analiza metod prognozowania kursów akcji

3. Analiza własności szeregu czasowego i wybór typu modelu

Analiza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny

Analiza autokorelacji

Analiza współzależności zjawisk

PROGNOZY ZAPOTRZEBOWANIA NA PODZIEMNE MAGAZYNOWANIE GAZU W POLSCE NA TLE SYTUACJI BIEŻĄCEJ I SCENARIUSZY ROZWOJU RYNKU GAZOWEGO

Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

3. Modele tendencji czasowej w prognozowaniu

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Ekonometryczna analiza popytu na wodę

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Ćwiczenia 13 WAHANIA SEZONOWE

PAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH

7.4 Automatyczne stawianie prognoz

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Bezpieczeństwo dostaw gazu

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

Po co w ogóle prognozujemy?

Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów.

Wprowadzenie do analizy korelacji i regresji

Analiza porównawcza sposobu pomiaru jakości spalania gazu w palnikach odkrytych

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY

Zachowania odbiorców. Grupa taryfowa G

Objaśnienia do formularza G-11g

MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY

Wykład 5: Analiza dynamiki szeregów czasowych

Rok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -

Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

Szanowny Pan Stanisław Kogut Radny Województwa Małopolskiego

Dlaczego warto liczyć pieniądze

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Analiza przyczyn wzrostu liczby zgonów w Polsce w 2017 roku

Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH

A.Światkowski. Wroclaw University of Economics. Working paper

Agenda. Rynek gazu w Polsce. 2 Prognozy rynkowe. Oferta gazowa Grupy TAURON - Multipakiet

Ćwiczenie 5 PROGNOZOWANIE

Test wskaźnika C/Z (P/E)

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

Analiza zależności liniowych

Objaśnienia do formularza G-11g na 2018 r.

GAZ-3. Sprawozdanie o działalności przedsiębiorstw gazowniczych. za okres od początku roku do końca miesiąca: r.

Bilans potrzeb grzewczych

Wykład 6. Badanie dynamiki zjawisk

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

opis funkcjonalności LogoMate

Inteligentna analiza danych

Wykład 6. Badanie dynamiki zjawisk

Warunki rekrutacji na studia

Zastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB

Warunki rekrutacji na studia

Badania efektywności systemu zarządzania jakością

WPŁYW PRODUKCJI ENERGII ELEKTRYCZNEJ W ŹRÓDŁACH OPALANYCH WĘGLEM BRUNATNYM NA STABILIZACJĘ CENY ENERGII DLA ODBIORCÓW KOŃCOWYCH

Magazyny gazu. Żródło: PGNiG. Magazyn gazu Wierzchowice /

MINISTERSTWO ENERGII, ul. Krucza 36/Wspólna 6, Warszawa Nazwa i adres jednostki sprawozdawczej GAZ-3

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Poziom Obsługi Klienta

GAZ-3. Sprawozdanie o działalności przedsiębiorstw gazowniczych. za okres od początku roku do końca miesiąca: r.

WYDAJNOŚĆ I CZAS PRACY KOPAREK WIELONACZYNIOWYCH W KOPALNIACH WĘGLA BRUNATNEGO W POLSCE. 1. Wprowadzenie. Zbigniew Kasztelewicz*, Kazimierz Kozioł**

3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach Opis danych statystycznych

Straty sieciowe a opłaty dystrybucyjne

PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI PODSTAWY LOGISTYKI ZARZĄDZANIE ZAPASAMI MARCIN FOLTYŃSKI

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

Wykorzystanie gazu ziemnego do produkcji energii elektrycznej. Grzegorz Rudnik, KrZZGi2211

GAZ-3. Sprawozdanie o działalności przedsiębiorstw gazowniczych. za okres od początku roku do końca miesiąca: r.

PODZIĘKOWANIA... BŁĄD! NIE ZDEFINIOWANO ZAKŁADKI. PRZEDMOWA... BŁĄD! NIE ZDEFINIOWANO ZAKŁADKI. 3.1 WPROWADZENIE... BŁĄD! NIE ZDEFINIOWANO ZAKŁADKI.

Polskie Górnictwo Naftowe i Gazownictwo SA

PROGNOZOWANIE SPRZEDAŻY STUDIUM PRZYPADKU

Wykład 4 Związki i zależności

Polskie Górnictwo Naftowe i Gazownictwo SA

Zad. 1. Wartość pożyczki ( w tys. zł) kształtowała się następująco w pewnym banku:

DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ

Polska Spółka Gazownictwa sp. z o.o. z siedzibą w Warszawie

GAZ-3. Sprawozdanie o działalności przedsiębiorstw gazowniczych. za okres od początku roku do końca miesiąca: r.

PDF created with FinePrint pdffactory Pro trial version

Analiza Zmian w czasie

Objaśnienia do formularza GAZ-3 na rok 2010

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych

Zajęcia 1. Statystyki opisowe

ROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO

Istota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ

Wpływ temperatury powietrza w 2018 r. na zużycie energii na ogrzewanie i chłodzenie budynków w Warszawie Józef Dopke

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym

Działalność magazynowania gazu w ramach pgnig sa, jako operatora systemu magazynowania dla gazu wysokometanowego

Parametry PMG Strachocina osiągnięte w pierwszym cyklu eksploatacji magazynu, po rozbudowie pojemności czynnej zakończonej w 2011 r.

Symulacyjne modelowanie procesu konwersji złoża na PMG i regularnej jego pracy, z udziałem CO 2 jako gazu buforowego

Wprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA

PERSPEKTYWY WYKORZYSTANIA GAZU ZIEMNEGO DO PRODUKCJI ENERGII ELEKTRYCZNEJ W POLSCE

Przyczynowa analiza rentowności na przykładzie przedsiębiorstwa z branży. półproduktów spożywczych

Transkrypt:

NAFTA-GAZ listopad 2010 ROK LXVI Piotr Kosowski, Jerzy Stopa, Stanisław Rychlicki Akademia Górniczo-Hutnicza w Krakowie Analiza rynku gazu ziemnego w Polsce w latach 2003 2009 i prognozy na lata 2010 2012 Zużycie gazu w Polsce, w porównaniu z innymi krajami europejskimi, jest stosunkowo niewielkie; wystarczy podać przykład naszego zachodniego sąsiada Niemiec, który zużywa ponad 3561 tys. TJ gazu rocznie; Włoch zużywających podobne ilości tego surowca, czy Holandii kraju znacznie mniejszego od Polski, której roczna konsumpcja przekracza 1617 tys. TJ. Niewątpliwie jednak gaz ziemny ma interesujące perspektywy w naszym kraju, co wiąże się m.in. z rozwojem energetyki opartej na tym surowcu, wzrostem poziomu zamożności społeczeństwa i związanym z tym przechodzeniem na wygodniejsze paliwa, a także z politycznymi i ekonomicznymi naciskami mającymi na celu ograniczenie zużycia węgla. W niniejszym artykule zbadano sytuację na rynku gazu ziemnego w Polsce. Przedstawiono historyczne dane dotyczące zużycia, importu oraz krajowej produkcji gazu ziemnego w latach 2003 2009; dokonano również dekompozycji miesięcznych wielkości zużycia gazu (szeregu czasowego), w celu wyodrębnienia trendu, wahań sezonowych i losowych. Przeanalizowano także wpływ temperatury na wielkość zużycia, importu oraz krajowej produkcji gazu ziemnego oraz przedstawiono prognozę zużycia gazu ziemnego na lata 2010 2012 z wykorzystaniem metody ARIMA. Podstawą do obliczeń były dane udostępnianie przez Europejski Urząd Statystyczny Eurostat, dotyczące wydobycia krajowego, importu, eksportu, konsumpcji, a także zmiany stanu zapasu gazu ziemnego w poszczególnych miesiącach analizowanego okresu. Wielkości te zostały wyrażone nie w jednostkach objętości, a energii w tym przypadku w TJ (ciepło spalania gazu wysokometanowego GZ-50 to 38,147 MJ/m 3 ) [2]. Zużycie gazu ziemnego w Polsce w ostatniej dekadzie wykazuje słaby trend wzrostowy; zwiększyło się ono z 523 843 TJ w roku 2003 do 569 950 TJ w roku 2009. Warto zauważyć, iż w roku 2009 nastąpił spadek zużycia w porównaniu z latami poprzednimi było to skutkiem kryzysu gospodarczego i wynikało z problemów firm zużywających duże ilości gazu ziemnego. Konsumpcję gazu w poszczególnych latach przedstawia rysunek 1. Rys. 1. Zużycie gazu ziemnego w Polsce w latach 2003 2009 [Źródło: Eurostat] Zużycie gazu ziemnego w Polsce, oprócz trendu wzrostowego, charakteryzuje się bardzo silną sezonowością. Szczyt zużycia przypada na miesiące zimowe, a minimalne wartości na miesiące letnie, co jest ściśle związane z temperaturami panującymi w tym czasie na terenie Polski. Należy wspomnieć o tym, że odbiorcy gazu dzielą się na grupy, które wykazują zróżnicowaną sezonowość: najsilniejsza występuję w przypadku odbiorców indywidualnych, a najmniejsza w grupie odbiorców przemysłowych. Gdyby odbiorców przemysłowych podzielić na mniejsze grupy to najmniejsze wahania sezonowe występowałyby wśród klientów z branży chemicznej i energetycznej. 993

NAFTA-GAZ Rys. 2. Miesięczna konsumpcja, import, krajowa produkcja, eksport oraz zmiana stanu zapasu gazu ziemnego w Polsce w latach 2003 2009 [Źródło: Eurostat] Warto w tym miejscu zwrócić uwagę na fakt, iż najsilniejsze wahania generowane są przez odbiorców o stosunkowo niewielkim wolumenie zużycia, co zmusza dostawców gazu do utrzymywania kosztownych zapasów, zlokalizowanych w podziemnych magazynach gazu. Na rysunku 2 przedstawiono miesięczną konsumpcję, import, eksport, krajową produkcję oraz zmianę stanu zapasów gazu ziemnego w latach 2003 2009. Na tle zużycia gazu ziemnego, cechującego się bardzo silną sezonowością, mamy produkcję krajową charakteryzującą się z kolei stosunkowo stabilnym przebiegiem i niewielką zmiennością oraz import, który rośnie w okresie zwiększonej konsumpcji (niskie temperatury) i maleje w okresie zmniejszonego zużycia (wysokie temperatury). Zmienność dostaw z importu jest jednak znacznie ograniczona, co wynika z realizacji umów a zwłaszcza obowiązku odbioru minimalnych ilości rocznych i letnich (klauzule take-or-pay) oraz parametrów technicznych sieci przesyłowej. Również wydobycie krajowe choć wykazuje pewną elastyczność nie może być zmieniane dowolnie, co związane jest z koniecznością prowadzenia racjonalnej eksploatacji złóż, polegającej m.in. na zapewnieniu pracy złoża przy depresji nie przekraczającej wartości dopuszczalnych i w miarę możliwości utrzymywania wydajności na stałym poziomie. Z matematycznego punktu widzenia, miesięczne zużycie gazu ziemnego w analizowanym okresie może być traktowane jako szereg czasowy, na który składa się część systematyczna i przypadkowa. Składową systematycz- 994 nr 11/2010 ną możemy podzielić na trend i składową okresową, której odmianę stanowią wahania sezonowe. W trakcie dekompozycji szeregu czasowego rozważany model matematyczny może przyjąć różne formy, ale najczęściej jest to model addytywny lub multiplikatywny. W przypadku modelu addytywnego zakładamy, że wartości szeregu czasowego stanowią sumę składowych, czyli nie występują pomiędzy nimi interakcje, a w procesie dekompozycji szeregu wahania sezonowe i losowe są odchyleniami od trendu. W przypadku modelu multiplikatywnego przyjmuje się, że wartości szeregu stanowią iloczyn pewnych czynników, a wahania sezonowe przedstawiane są jako względne odchylenia od trendu [1]. W przypadku zużycia gazu ziemnego w omawianym okresie mamy do czynienia z modelem addytywnym, wyrażonym wzorem: gdzie: K zużycie, T trend, S wahania sezonowe, L wahania losowe. K = T + S + L (1) Trend linowy został wyznaczony metodą najmniejszych kwadratów, a wahania sezonowe metodą wskaźników, polegającą na obliczeniu wskaźników sezonowości dla wszystkich składników cyklu (w tym przypadku miesięcy). Wahania losowe stanowią różnicę pomiędzy zużyciem a pozostałymi składnikami szeregu. Efekty dekompozycji zaprezentowano na rysunku 3, gdzie można także wyróżnić słaby trend wzrostowy zużycia gazu ziemnego w Polsce, silne wahania sezonowe oraz wahania losowe. Znaczne wahania sezonowe zużycia gazu ziemnego sugerują mocne powiązanie z temperaturą. Na rysunku 4 przedstawiono średnie miesięczne temperatury w latach 2003 2009 dla stacji meteorologicznej Warszawa-Okęcie (uzyskane za pomocą serwisu internetowego www.ogimet.

artykuły Rys. 3. Miesięczna konsumpcja gazu ziemnego w Polsce w latach 2003 2009, w rozbiciu na trend liniowy, wahania sezonowe i losowe Rys. 4. Średnia miesięczna temperatura dla stacji meteorologicznej Warszawa-Okęcie w latach 2003 2009 [Źródło: www.ogimet.com, Eurostat] com) oraz miesięczne zużycie gazu w tym samym okresie. Nietrudno zauważyć silny związek łączący obie te zmienne. Potwierdza to także wykres zależności miesięcznego zużycia gazu ziemnego od średniej miesięcznej temperatury (rysunek 5), pokazujący silną liniową zależności pomiędzy tymi zmiennymi. Współczynnik korelacji liniowej Pearsona wynosi w tym przypadku 0,96, co świadczy o bardzo silnej korelacji ujemnej. Spadek temperatury powoduje więc silny wzrost zużycia gazu i na odwrót wzrost temperatury skutkuje spadkiem konsumpcji tego surowca. W związku z bardzo silną zależnością zużycia gazu ziemnego od temperatury, zbadano, czy wahania losowe zużycia wykazują związek z wahaniami losowymi temperatury (rysunki 6 i 7). Po dokonaniu dekompozycji średnich miesięcznych temperatur i obliczeniu wskaźnika korelacji stwierdzono, iż możemy mówić o istnieniu umiar- nr 11/2010 995

NAFTA-GAZ kowanie silnej zależności pomiędzy tymi zmiennymi, gdyż współczynnik korelacji wynosi 0,6. Losowe zmiany temperatur nie tłumaczą więc w pełni losowych zmian zużycia gazu ziemnego, które mają też inne przyczyny, nie analizowane w tym artykule (takie jak np. czynniki makroekonomiczne). Metoda szeregów czasowych może być wykorzystana do krótkoterminowego prognozowania zużycia gazu ziemnego przy założeniu iż jest to proces losowy opisany równaniem (1) które nie zmienia się w okresie prognozy. W szczególności oznacza to, iż w okresie prognozy nie mogą wystąpić zmiany strukturalne wpływające na zużycie gazu (np. rozwój energetyki gazowej). W dalszej części artykułu przedstawiono prognozę zużycia gazu w Polsce na lata 2009 2012, opartą na analizie danych historycznych i wykorzystaniu metody ARIMA będącej jedną z popularnych metod prognozowania z wykorzystaniem szeregów czasowych [1]. Charakterystyczne dla takich metod prognozowania jest tworzenie prognozy w oparciu o dotychczasowy przebieg zmiennej, bez szczegółowego wnikania w przyczyny jej zachowania. Przyjmuje się zasadę, że w okresie prognozy na zmienną będą działały te same czynniki co w przeszłości. Oznacza to, że metody te są przydatne w tworzeniu krótkookresowych prognoz dla zjawisk cechujących się dużą inercją co ma miejsce w przypadku prognoz energetycznych. Prognozy tego typu są wykorzystywane gdy: prognozowane zjawisko jest złożone, a jego opis wymaga zastosowania skomplikowanych modeli, 996 nr 11/2010 Rys. 5. Miesięczne zużycie gazu ziemnego w zależności od średniej miesięcznej temperatury w latach 2003 2009 Rys. 6. Średnia miesięczna temperatura dla stacji meteorologicznej Warszawa-Okęcie w latach 2003 2009, z podziałem na wahania sezonowe i losowe interesuje nas określenie tego co się zdarzy, a nie wyjaśnienie dlaczego tak będzie, koszty wyjaśnienia zjawiska są nieporównywalnie większe niż koszty prognozy opartej o szereg czasowy [1]. Wprowadzony przez Boxa i Jenkinsa (1976) ogólny model metody ARIMA zawiera zarówno parametry autoregresyjne, jak i średniej ruchomej oraz wprowadza do postaci modelu operator różnicowania. W szczególności, w modelu wyróżnia się trzy typy parametrów: p parametry autoregresyjne, d rząd różnicowania, q parametry średniej ruchomej.

artykuły Wedle notacji wprowadzonej przez Boxa i Jenkinsa, modele określa się jako ARIMA (p, d, q); a więc np. opisanie modelu jako (0, 1, 2) oznacza, że zawiera on 0 (zero) parametrów autoregresyjnych (p) i 2 parametry średniej ruchomej (q), które zostały obliczone dla szeregu po jednokrotnym różnicowaniu. Wymaga się, by wejściowy szereg dla metody ARIMA był stacjonarny, tzn. powinien on mieć stałą w czasie średnią, wariancję i autokorelację. Dlatego zazwyczaj szereg wymaga różnicowania aż do osiągnięcia stacjonarności co polega na d-krotnym obliczeniu różnic sąsiednich wyrazów szeregu. Pierwsze różnice oblicza się jako: drugie jako: w t = y t y t-1 (2) z t = w t w t-1 (3) i następne w ten sam sposób [1]. W ostatnich latach metoda ta zyskała bardzo dużą popularność, a praktyka badawcza potwierdza jej przydatność w wielu dziedzinach [1]. W niniejszej pracy do stworzenia prognoz zużycia gazu metodą ARIMA wykorzystano pakiet statystyczny STATISTICA 9.0. W celu weryfikacji skuteczności metody opracowano prognozę zużycia gazu ziemnego na rok 2009, opierając się na danych z lat 2003 2008 (rysunek 8), a następnie porównano ją z rzeczywistą konsumpcją gazu w roku 2009 (rysunek 9). Wyniki wskazują na dużą przydatność praktyczną tego typu prognozowania. Rzeczywiste zużycie okazało się zbliżone do prognozowanego i w całym 2009 roku zmieściło się w przedziale, w którym z prawdopodobieństwem 90% Rys. 7. Miesięczne wahania losowe zużycia gazu ziemnego w zależności od wahań losowych średniej miesięcznej temperatury w latach 2003 2009 wyznaczonym w prognozie powinna znajdować się rzeczywista konsumpcja. Następnie przygotowano prognozę na lata 2010 2012, która została przedstawiona na rysunkach 10 i 11. Widoczny jest stały wzrost zużycia gazu w okresie prognozy; od nieco ponad 589 tys. TJ w roku 2010, poprzez ponad 596 tys. TJ w roku następnym, do 605,5 tys. TJ w roku 2012. Warto zauważyć, że w kolejnych latach prognozy rozszerza się obszar, w którym z 90-proc. prawdopodobieństwem powinna znaleźć się rzeczywista konsumpcja. Pokazuje to wyraźnie ograniczenia tej metody i pozwala na stwierdzenie, że należy ją stosować dla krótkiego horyzontu czasowego np. jednego roku. Prognoza ta nie uwzględnia także gwałtownych zmian, które mogą Rys. 8. Prognoza miesięcznego zużycia gazu ziemnego na rok 2009 nr 11/2010 997

NAFTA-GAZ Rys. 9. Prognoza miesięcznego zużycia gazu ziemnego na rok 2009 oraz rzeczywista konsumpcja Rys. 10. Prognoza miesięcznego zużycia gazu ziemnego na lata 2010 2012 Rys. 11. Prognoza rocznego zużycia gazu ziemnego na lata 2010 2012 998 nr 11/2010 wystąpić na rynku gazu (takich jak np. wzrost zużycia gazu spowodowany rozwojem energetyki gazowej). Nietrudno jednak taką prognozę skorygować oraz uwzględnić rosnącą konsumpcję, gdyż zużycie gazu w energetyce jest łatwe do przewidzenia i cechuje się stabilnym przebiegiem. Wymienione powyżej niedoskonałości metody ARIMA nie powinny przesłonić oczywistych zalet z korzystania z niej, w celu krótkoterminowego prognozowania zużycia gazu ziemnego z uwzględnieniem czynników losowych i trendu. Przedstawiona w artykule analiza rynku gazowego w Polsce pokazuje, że w ostatnich latach rozwija się on bardzo powoli. Zużycie gazu ziemnego charakteryzuje się słabym trendem wzrostowym i silną sezonowością, która jest mocno skorelowana z temperaturami panującymi w naszym kraju. Około jednej trzeciej zapotrzebowania na gaz ziemny pokrywane jest z wydobycia ze złóż krajowych, a pozostała cześć pochodzi z importu. Ze względu na ograniczoną elastyczność dostaw importowych i produkcji krajowej konieczne jest wykorzystywanie pojemności czynnych podziemnych magazynów gazu; w okresie letnim do przyjmowania nadwyżek, a w zimowym do pokrywania niedoborów gazu ziemnego. Zaprezentowano również wykorzystanie metody ARIMA, która z powodzeniem może być wykorzystana do krótkoterminowego prognozowania zużycia gazu ziemnego lub wykorzystania mocy przesyłowych gazociągów, a także do określania poziomu niezbędnych pojemności czynnych podziemnych magazynów,

artykuły służących do regulacji sezonowych wahań konsumpcji. Sporządzone prognozy wskazują na wzrost konsumpcji w najbliższych latach, który może dodatkowo uleć wzmocnieniu na skutek rozwoju energetyki opartej na gazie. Stanowi to jednak pewne wyzwanie, ponieważ wymaga znaczących inwestycji w system przesyłowy i magazynowy tak, aby zapewnić stabilne dostawy tego surowca, niewrażliwe na zakłócenia techniczne, losowe i polityczne. Artykuł nadesłano do Redakcji 21.09.2010 r. Przyjęto do druku 11.10.2010 r. Literatura [1] Dittman P.: Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie. Oficyna Ekonomiczna, Kraków 2004. Recenzent: dr inż. Andrzej Froński [2] Europejski Urząd Statystyczny Eurostat, http://epp.eurostat. ec.europa.eu Dr inż. Piotr Kosowski adiunkt na Wydziale Wiertnictwa Nafty i Gazu AGH. Absolwent Wydziału Zarządzania AGH. Stopień doktora uzyskał w zakresie górnictwa i geologii inżynierskiej. Autor oraz współautor ponad 40 publikacji. Dr hab. inż. Jerzy Stopa profesor nadzwyczajny na Wydziale Wiertnictwa, Nafty i Gazu AGH. Absolwent kierunku Podstawowe Problemy Techniki specjalność: matematyka stosowana. Stopień dr habilitowanego uzyskał w zakresie inżynierii złożowej i hydrodynamiki podziemnej. Specjalista w zakresie komputerowej symulacji eksploatacji złóż węglowodorów. Prof. dr hab. inż. Stanisław Rychlicki profesor zwyczajny na Wydziale Wiertnictwa, Nafty i Gazu AGH. Absolwent Wydz. Geologiczno-Poszukiwawczego AGH. Były Prodziekan i Dziekan Wydziału, obecnie jest Kierownikiem Katedry Inżynierii Naftowej. Od 2008 roku pełni funkcję Przewodniczącego Rady Nadzorczej PGNiG S.A. Autor lub współautor ponad 330 publikacji. nr 11/2010 999