W pracy podjęto problematykę zarządzania logistycznego biomasą na cele energetyczne. Na podstawie przeprowadzonej analizy literaturowej wykazano, iż brakuje kompleksowych modeli zarządzania logistyką biomasy, które uwzględniają uwarunkowania techniczne i wymogi eksploatacyjne bloków opalanych biomasą.
Przegląd literatury związanej z zagadnieniem logistyki i spalania biomasy wskazuje również, że dotychczasowe analizy i badania eksperymentalne nie dostarczają jednoznacznych wniosków w zakresie wpływu dodatkowego materiału jakim jest piasek na procesy termicznej utylizacji biomasy. Ten materiał należy koniecznie uwzględnić w systemie zarządzania logistyką biomasy. Między innymi brakuje pełnej analizy oddziaływania uziarnienia tego materiału na proces spalania biomasy.
Niniejsza praca adresuje kompleksowo te zagadnienia, a zaproponowane i przedstawione w pracy analizy uzupełnione symulacjami numerycznymi mają na celu poszerzenie dostępnej wiedzy oraz kontynuacje szerokiego tematu wykorzystania biomasy na cele energetyczne.
W rezultacie przeprowadzonych analiz sformułowano następujące wnioski ogólne: 1. Specyficzne własności fizyko-chemiczne biomasy w porównaniu z paliwami
kopalnymi powodują, że jest ona paliwem trudnym w aspekcie jej energetycznego wykorzystania.
2. Rozbudowana infrastruktura systemu pozyskania, dostaw i przygotowania paliwa, wraz z modelem zarządzania logistyką biomasy pozwoli na jej dostarczenie do elektrociepłowni w sposób wydajny i ekonomiczny z wykorzystaniem lokalnych zasobów.
3. Modelu zarządzania logistyką biomasy z wykorzystaniem sieci neuronowych pozwala na odzwierciedlenie istniejących w rzeczywistości zależności pomiędzy zmiennymi wejściowymi (właściwości biomasy, lokalizacji, odległość), a zmienną wyjściową czyli najbardziej wariantem ekonomicznych dostaw biomasy po najniższej cenie.
4. Drewno pohydrolityczne na tle grupy paliw określanych jako biomasa stała, cechuje się korzystnymi właściwościami; na podkreślenie zasługuje wysoka wartość opałowa i niska zawartość siarki.
156
5. Utrzymanie prawidłowych osiągów kotłów cyrkulacyjnych wymaga przeciwdziałania znacznym wahaniom temperatury w komorze paleniskowej oraz nierównomiernościom w rozkładzie temperatur wzdłuż wysokości komory paleniskowej. O rozkładzie tym decyduje w przypadku spalania drewna rozkład ziaren materiału inertnego (piasku). W odniesieniu do celów szczegółowych zdefiniowanych w Rozdziale 3 pracy, wnioski wypływające z przeprowadzonych analiz, badań i symulacji numerycznych zostały zestawione w Tabeli 64.
Tabela 64. Zestawienie wniosków prezentowanych w pracy doktorskiej w odniesieniu do celów
szczegółowych.
Lp Cel szczegółowy Wnioski z obliczeń, modelowania, analiz i
symulacji
Praktyczne zastosowanie wniosków
1 Ocena właściwości i zasobów biomasy dla wybranej lokalizacji.
Właściwości biomasy zależą m.in. od rodzaju gleby, gatunku roślin, części wykorzystywanej rośliny, charakterystyki okresu plonowania, technologii nawożenia i zbioru.
Najbardziej charakterystyczną cechą biomasy jest duża zmienność jej parametrów.
System gospodarki
biomasowej jest uzależniony od rodzaju, sortymentu i własności biomasy oraz od wymagań urządzeń końcowych.
Ocenę jakości wybranej biomasy należy dokonywać w całym łańcuchu dostaw z uwzględnieniem
uwarunkowań lokalnych,
W zestawieniu wg. stanu na 31 grudnia 2018 znajduje się 20 elektrowni wykorzystujących biomasę mieszaną, 18 jednostek wykorzystujących biomasę pochodzenia leśnego albo rolnego, a także 4 wykorzystujące biomasę z odpadów przemysłowych
drewnopochodnych i celulozowo-papierniczych, które mogą zagospodarować biomasę na cele energetyczne.
Proces decyzyjny wymaga poznania szczegółowo właściwości fizyko-chemicznych biomasy, jej zasobów i dostosowania do wymaganych warunków spalania.
Biomasa winna być dobierana dla konkretnych urządzeń do jej termicznej utylizacji.
157 rynkowych, środowiskowych, organizacyjnych i na tej podstawie proponować warunki dostawy o wymaganych właściwościach.
Rynek biomasy drzewnej jest rynkiem rozproszonym. W większości przypadków biomasa drzewna jest dostarczana konsumentom w promieniu 70-200 km, ale może nawet sięgać 300 km.
Polska może uzyskać bardzo duży udział w całkowitej produkcji biomasy
wykorzystując biomasę rolną dla celów energetycznych.
Z punktu widzenia
technicznego wilgotność jest głównym czynnikiem, decydującym o wartości opałowej biomasy.
Suszenie, toryfikacja biomasy pozwalają na zwiększenie gęstości energii, zmniejszenie kosztów transportu i magazynowania.
Firmy energetyczne wykorzystujące biomasę
niezmiernie dużą uwagę poświęcają różnym obszarom powstawania kosztów logistycznych. Szczególnie ważne dla firm z branży
logistycznej są koszty transportu, zakupu oraz magazynowania biomasy. 2 Opracowanie modelu zarządzania logistyka biomasy w warunkach polskich celem dostarczenia biomasy do wybranego przedsiębiorstwa energetycznego w sposób wydajny i ekonomiczny. Zaproponowano model sztucznej inteligencji, wykorzystującego sztuczną sieć neuronową, do modelowania wartości logistyki biomasy oraz analizy zmiennych istotnie
wpływających na efektywność przedsięwzięcia.
Zbudowana sieć posiada zdolność uogólniania wiedzy, nabytej w etapie jej uczenia i może zostać użyta do
Brak kompletnych danych odnośnie potencjalnych dostaw biomasy, zasobów, zmienność parametrów istotnie ogranicza zarządzanie logistyczne z wykorzystaniem tradycyjnych metod statystycznych. Sieci neuronowe doskonale radzą sobie z takim zbiorem danych.
Model BLM generuje ID dostawcy jako wartość rzeczywistą, która zaokrąglona do najbliższej liczby całkowitej wskazuje na pożądanego dostawcę biomasy.
158
typowania dostawcy biomasy na podstawie zadanych warunków określonych w warstwie wejściowej. 3 Przeprowadzenie badań eksperymentalnych spalania biomasy odpadowej o najniższej cenie rynkowej na przykładzie lignocelulozy Drewno pohydrolityczne zawiera około 12-25% wilgoci całkowitej oraz 8- 14% substancji mineralnej w postaci popiołu.Wartość opałowa w stanie roboczym: 14 000-18 700 kJ/kg (w zależności od zawartości wilgoci). Zawartość chloru ˂ 0,005%. Zawartość alkaliów Na2O -ok. 0,5%, K2O - ok. 1,3%.
Dzięki niewielkiej zawartości siarki powoduje obniżenie emisji tlenków siarki, bądź też obniżenie zużycia sorbentu.
Nie powoduje zwiększenia emisji tlenków azotu ani też amoniaku.
Lignoceluloza może być wykorzystana jako paliwo w paleniskach kotłowych w
energetyce zawodowej lub w małej energetyce, zwłaszcza w kotłach fluidalnych.
Drewno pohydrolityczne nadaje się do procesu współspalania z węglem.
Fluidalne spalanie lignocelulozy nie powinno spowodować
intensyfikacji problemów eksploatacyjnych, w stosunku do spalania węgla brunatnego czy też węgla kamiennego. Nie należy spodziewać się negatywnego oddziaływania na instalację kotłową. 4 Symulacje modelowe zarządzaniem materiałem uzupełniającym (piasek) dostawy biomasy niezbędnym dla prawidłowej pracy bloku energetycznego.
Jednym z istotnych wniosków pomijanych w
dotychczasowych analizach procesów logistycznych biomasy jest konieczność doboru i dowozu materiału inertnego o odpowiedniej jakości.
Zarządzaniem materiałem uzupełniającym (piasek) dostawy biomasy niezbędnym dla prawidłowej pracy bloku energetycznego wymaga dostarczania do użytkownika
Dobór materiału inertnego (piasku) ma kluczowe znaczenie dla pracy kotła cyrkulacyjnego opalanego biomasą, dlatego powinien być uwzględniany w modelu logistycznym i traktowany jako czynnik kluczowy w zarządzaniu procesem.
W przypadku używania piasku jako materiału inertnego należy używać ziaren o odpowiednim rozkładzie ziarnowym.
159
kotła piasku o odpowiedniej granulacji określanej rozkładem ziarnowym.
Popiół pochodzące ze spalania biomasy jest drobny i nie ma znaczenia na tworzenie materiału warstwy fluidalnej. Stąd konieczność uzupełniania komory paleniskowej
piaskiem o właściwym rozkładzie ziarnowy.
Dostawy zbyt grubego piasku mogą prowadzić do poważnych
problemów eksploatacyjnych kotła opalanego biomasą.
Dalsze prace prowadzone w kierunku optymalizacji zarządzania biomasą na cele energetyczne są aktualne i pożądane przez instytucje rządzące, ekologiczne, naukowe oraz biznesowe. Kolejne analizy zarządzania biomasą powinny skupić się na poprawieniu modelu przetwarzania biomasy, jej logistyki, eksploatacji urządzeń energetycznych oraz zmniejszeniu energochłonności całego procesu od produkcji po finalny efekt w postaci energii elektrycznej i ciepła przy minimalnym oddziaływaniu na środowisko.
160
Literatura
1. Bocian J. Analiza popytu na biomasę leśną w perspektywie roku 2020 r., materiały konferencyjne „Biomasa leśna”, Łagów, 2012.
2. Chmielniak T. Technologie energetyczne, Wyd. Naukowo-Techniczne, Warszawa, 2008. 3. Demirbas A. Calculation of higher heating values of biomass fuels, Fuel 76 (5), 1997, CEN: European Committee for Standardization. Solid biofuels: Fuel specification and classes, 2005.
4. Dyrektywa Parlamentu Europejskiego i Rady 2009/72/WE z dnia 13 lipca 2009 r. dotycząca wspólnych zasad rynku wewnętrznego energii elektrycznej i uchylająca dyrektywę 2003/54/WE (Dz. Urz. UE. L. 211 z 14.08.2009, s. 55, 2009.
5. Dyrektywa Parlamentu Europejskiego i Rady 2009/28/WE z dnia 23 kwietnia 2009 r. w sprawie promowania stosowania energii ze źródeł odnawialnych zmieniająca i w następstwie uchylająca dyrektywy 2001/77/WE oraz 2003/30/WE (Dz. Urz. UE L 140 z 05.06.2009, s. 16), 2009.
6. European Suppliers of Waste to Energy Technology, Brussels, 2002.
7. Energia ze źródeł odnawialnych w 2014 roku, Raport GUS, Warszawa, 2014. 8. Energia ze źródeł odnawialnych w 2014 r, GUS, Warszawa, 2015.
9. Górnik, P. Energia z odpadów jako ważny element poprawy bezpieczeństwa energetycznego kraju, Fortum Power and Heat Polska, 6, 2012.
10. Grecka K. Wdrażanie systemu zapewnienia jakości wg normy PN-EN 15234 na przykładzie OPEC-BIO Sp. z o.o., Bałtycka Agencja Poszanowania Energii.
11. Informacja o stanie toczących się postępowań administracyjnych w sprawie wydania świadectw pochodzenia dla jednostek spalających biomasę, Urząd Regulacji Energii, Warszawa, 2013.
12. Krajowy System Uwierzytelniania Biomasy, Departament Systemów Wsparcia, Urząd Regulacji Energetyki, Warszawa, 2013.
13. Krajowa mapa drogowa odnawialnych źródeł energii, Polska Izba Gospodarcza Energii Odnawialnej, Kierownik projektu i główny autor: Michał Ćwil, REPAP 2020, Intelligent Energy Europa, 2020.
161
Publikacja współfinansowana ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego, Towarzystwo Amicus, 2009.
15. Ocena realizacji Polityki energetycznej Polski do 2030 roku, Załącznik 1 do Polityki energetycznej Polski do 2050 roku, MG, wersja 05, Warszawa 2015. Polityka energetyczna Polski do 2030 roku, Załącznik do uchwały nr 202/2009 Rady Ministrów z dnia 10 listopada 2009 r., MG, Warszawa, 2009.
16. Określenie potencjału energetycznego regionów Polski w zakresie odnawialnych źródeł energii - wnioski dla Regionalnych Programów Operacyjnych na okres programowania 2014-2020, zespół Instytutu Energetyki Odnawialnej w składzie: Grzegorz Wiśniewski - red, Warszawa, 2011.
17. Ocena realizacji Polityki energetycznej Polski do 2030 roku, Załącznik 1 do Polityki energetycznej Polski do 2050 roku, MG, wersja 05, Warszawa, 2015.
18. OZE Odnawialne źródła energii, materiał wspierający, praca zbiorowa pod redakcją dr Urszuli Gołębiowskiej, Koszalin, 2013.
19. Postrzednik S. Wartość opałowa jako parametr przydatności energetycznej biomasy, Energetyka, 573-578, 2014.
20. Produkcja energii z OZE w elektrociepłowni Bartos, Program Operacyjny Innowacyjna Gospodarka, lata 2007-2012, produkcja biomasy, 2016.
21. Potencjał i wykorzystanie biomasy w Polsce, energetyka a środowisko Projekt kół naukowych PW i SGGW, 2011.
22. Szyszlak-Bargłowicz J., Zając G., Słowik T.: Łańcuch dostaw biomasy na cele energetyczne, Logistyka, 6, 354—358, 2014.
23. Siedlecka E., M.: Ekoinnowacje w technologii i organizacji przedsiębiorstw, skrypt, Projekt „Kształcenie kadr dla innowacyjnej gospodarki opartej na wiedzy w zakresie agrochemii, chemii i ochrony środowiska (Inno-AgroChemOś)”, Uniwersytet Gdański, Gdańsk, 2014.
24. Szyszlak-Bargłowicz J., Zając G., Słowik T.: Łańcuch dostaw biomasy na cele energetyczne, Logistyka, 6, 356, 2014.
25. Ustawa prawo energetyczne, Dz. U. z 2012 r., poz. 1059 z późn. zm., 2012.
26. Wisz JL, Matwiejew A. Biomasa - badania w laboratorium w aspekcie przydatności do energetycznego spalania, Energopomiar Sp. z o.o., Centralne Laboratorium, Energetyka, 2005.
162 28. Materiały PSE SA, 2019.
29. Wnioski z analiz prognostycznych na potrzeby Polityki energetycznej Polski do 2050 roku, Załącznik 2 do Polityki energetycznej Polski do 2050 roku, MG, Warszawa, 2015. 30. Węcław-Solny L. Ograniczenie emisji CO2 w energetyce, Ecomanager 5, 26, 2012. 31. Zarządzanie logistyczne w sektorze energii odnawialnej, e-Kurs, Elompres LdV Transfer
of Innovation, Lifelong Learning, iSpring Suite, 8.1.
32. Ratajczak E., Szostak A., Bidzińska G., Herbeć M. Demand for wood biomass for Energy purposes in Poland by 2015. Drewno. Pr. Nauk. Donies. Komunik. vol. 55, nr 18, 2012.
33. Raport Instytutu Energetyki „Program techniczny wzrostu produkcji energii z biomasy w spółkach grupy kapitałowej PGE do min. 4 TWh/a w 2012 r wraz z modelem logistyki zapewniającym realizację programu”, 2010.
34. Biomasa leśna na cele energetyczne. Monografia pod redakcją Gołos P i A. Kaliszewski. Sękocin Stary, 2013.
35. W. Nowak, M. Wesołowska. Uwarunkowania techniczne spalania biomasy w kotłach energetycznych. Biomasa leśna na cele energetyczne, Sękocin Stary, 2013.
36. Raport „Lasy w Polsce 2018”, Wyd.: Centrum Informacyjne Lasów Państwowych, Warszawa, 2018.
37. Ratajczak E., Szostak A., Będzińska G. Drewno poużytkowe w Polsce. Instytut Technologii Drewna, Poznań, 2003.
38. Szostak A., Ratajczak E. Zasoby przemysłowych i poużytkowych odpadów drzewnych w Polsce i ich zagospodarowanie. Gospodarka Materiałowa i Logistyka, nr 11, 2004. 39. Dyjakon A., Jan den BOER, P.Bukowski, F. Adamczyk, P. Frąckowiak. Wooden biomass
potential from apple orchards in Poland. Drewno, Vol. 59, No. 198, 2016.
40. Maciak A., Lipińska G.: Możliwości i koszty pozyskania drewna z sadów, Technika Rolnicza, Ogrodnicza, Leśna, nr 2, 2006.
41. Baum R., K. Wajszczuk, B. Pepliński, J. Wawrzynowicz. Potential For Agricultural Biomass Production for Energy Purposes in Poland: a Review. Vizja Press&IT, Vol.7, 63-74, 2013.
42. Michałowska –Knap, K., Włodarski, M., Dietrich, D. Zagadnienia wykorzystania odnawialnych źródeł energii w regionach – analiza porównawcza. Instytut Energii Odnawialnej, 2010.
163
44. Grzybek A. Zapotrzebowanie na biomasę i strategie energetyczne jej wykorzystania, Studia i Raporty, IUNG - PIB, Zeszyt 11, Puławy. 9-24, 2008.
45. Ludwicka A., Grzybek. Bilans biomasy rolnej (słomy) na potrzeby energetyczne. Problemy Inżynierii Rolniczej, nr 2, 2010.
46. Kachel-Jakubowska M., A. Kraszkiewicz, M. Szpryngiel, I. Niedziółka. Możliwości wykorzystania odpadów poprodukcyjnych z rzepaku ozimego na cele energetyczne. Inżynieria Rolnicza 6(131), 2011.
47. Kupryś-Caruk M., R. Kołodziejski. Postępy Nauki i Technologii Przemysłu Rolno-Spożywczego, t. 69, nr 1, 2014.
48. Zając G., Zając, J. Szyszlak-Bargłowicz. Wpływ dodatku otrąb żytnich na własności energetyczne peletów z biomasy ślazowca pensylwańskiego. Autobusy, 11, 2010. 49. Jasiulewicz M., Analiza możliwości wykorzystania zasobów OZE ze szczególnym
uwzględnieniem biomasy w ciepłowniach Klastra „Razem Cieplej”„. Określenie po-tencjałów biomasy w obszarach działania uczestników projektu. Projekt koordynowany przez UMW w Olsztynie, Maszynopis, UMW, Olsztyn, 2011.
50. Jadczyszyn J., Faber A., Zaliwski A., Wyznaczanie obszarów potencjalnie przydatnych do uprawy wierzby i ślazowca pensylwańskiego na cele energetyczne w Polsce, Studia i Raporty, Uprawa roślin energetycznych a wykorzystanie rolniczej produkcji w Polsce, IUNG - PIB, Zeszyt 11, Puławy, s. 55-65, 2008.
51. Jasiulewicz M., Projekt strategiczny koordynowany przez IMP PAN w Gdańsku, opracowanie: Optymalizacja zabezpieczenia w biomasę w oparciu o uprawę szybkiej rotacji (Salix vim.) ORC, Maszynopis, IMP PAN w Gdańsku, 2010.
52. Grzybak A., Opracowanie „Modelowanie energetycznego wykorzystania biomas”, ITP., 2011.
53. Nord-Larsen T, Talbot B. Assessment of forest-fuel resources in Denmark: technical and economic availability. Biomass and Bioenergy. 27:97–109, 2004.
54. Freppaz D, Minciardi R, Robba M, Sacile R, Taramasso A. Renewable energy: a decision support system for forest biomass exploitation. In: Proceedings of the first biennial meeting of the international environmental modelling and software society, vol. 3, Manno, Switzerland. iEMSs, 217–22, 2002.
55. Kosewska K,, J. Kamiński. Analiza ekonomiczna budowy i eksploatacji biogazowni rolniczych w Polsce. Inżynieria Rolnicza 1(99), 2008.
164
57. Konecka S. Ryzyko zakłóceń w zarządzaniu łańcuchami dostaw. Rozprawa doktorska, Uniwersytet Ekonomiczny w Poznaniu, Wydział Zarządzania Poznań, luty 2015. 58. Leończuk D. Ocena dokonań adaptacyjnego łańcucha dostaw. Oficyna Wydawnicza
Politechniki Białostockiej, Białystok, 2019.
59. Muradin M., Z. Foltynowicz. Logistics aspects of the ecological impact indicators of an agricultural biogas plant. LogForum, 14 (4), 535-547, 2018.
60. Nedaa Agami, Mohamed Saleh and Mohamed Rasmy. Supply Chain Performance Measurement Approaches: Review and Classification. Journal of Organizational Management Studies, Vol. 2012, 2012.
61. Lapide, L. “What about Measuring Supply Chain Performance?,” AMR Research, ASCET - White Paper, 2(15), 287-297, 2000.
62. Muhammad Saeed Shahbaz∗, Raja Zuraidah RM Rasi, Md Fauzi Bin Ahmad, and Fazalur Rehman. What is Supply Chain Risk Management? A Review. Advanced Science Letters, Vol. 23, 9233–9238, 2017.
63. Jeszka A.M. Returns management in te supply chain. Scientific Journal of Logistics, 10 (3), 295-304, 2014.
64. Varun Kumar S.G. Best Practices for Reverse Logistics Management, International Journal of Advanced Trends in Engineering and Technology, 22-24, Volume 1, Issue 1, 2016.
65. Duda -Kęś A. Rozprawa doktorska pt ., „Uwarunkowania logistyczne wykorzystania biopaliw stałych do produkcji energii elektrycznej w elektrowniach zawodowych”, AGH, lipiec, 2011.
66. Frączek J., Cieslikowski B., Francik F., Pedryc M., Ślipek Z. Logistyka, Nr 4, 2015. 67. Szymanek M., i inni. Logistyka, Nr 5, 2015.
68. Szyszlak-Bargłowicz J., Zając G., Słowok T. Logistyka, Nr 6, 2015. 69. Gostomczyk W. Logistyka, Nr 4, 2012.
70. Sławiński K. Chojnacki J., Fleszar J. Logistyka, Nr 5, 2015.
71. Dobrowolski J., Łapecki A., Łapecki Ł. Barometr Regionalny, Nr 3, 2011.
72. Tatsiopoulos IP, Tolis AJ. Economic aspects of the cotton-stalk biomass logistics and comparison of supply chain methods. Biomass and Bioenergy, 24(3):199–214, 2003. 73. Hansen AC, Barnes AJ, Lyne PWL. Simulation modelling of sugarcane harvest-to-mill
165
74. Nilsson D. Analysis and simulation of systems for delivery of fuel straw to district heating plants. Doctoral thesis. Swedish University of Agricultural Sciences, Upsalla, Sweden, 1999.
75. Nilsson D. Dynamic simulation of straw harvesting systems: influence of climatic, geographical factors on performance and costs. Journal of Agricultural Engineering Research, 76(1):27–36, 2000.
76. Nilsson D, Hansson PA. Influence of various machinery combinations, fuel proportions and storage capacities on costs for co handling of straw and reed canary grass to district heating plants. Biomass and Bioenergy, (4):247–60, 2001.
77. Mantovani B, Gibson HA. Simulation model for analysis of harvesting and transport costs for biomass based on geography, density and plant location. Energy in World Agriculture, 5:253–80, 1992.
78. Arinze EA, Sokhansanj S, Besant RW, Wood HC, Schoenau GJ. Effects of material and environmental conditions on caking and breakage of potash fertilizer products during storage, shipment and handling. The International Journal of Storing, Handling, and Processing Powder, 13(1):45–54, 2001.
79. Sokhansanj S, Khoshtaghaza H, Schoenau GJ, Arinze EA, Tabil LG. Heat and moisture transfer and quality changes in containerized alfalfa cubes during transport. Transactions of the ASAE, 46(2), 2003.
80. Biomass Technology Group (BTG). Pretreatment technologies for energy crops. Report prepared for Netherlands Agency for Energy and the Environment (NOVEM). The Netherlands, 65, 1996.
81. Berruto R, Maier DE. Analyzing the receiving operation of different grain types in a single-pit country elevator. Transactions of the ASAE, 44(3):631, 2001.
82. Berruto R, Ess D, Maier DE, Dooley F. Network simulation of crop harvesting and delivery from farm field to commercial elevator. In: Quick GR, editor. Electronic proceedings of the international conference on crop harvesting and processing, 9–11 February. Louisville, Kentucky USA, ASAE Publication 701P1103e, 2003.
83. Humphrey DG, Chu J. Optimization of a corn processing simulation model. In: Swain JW, Goldman D, Wilson JR, Crane RC, editors. Proceedings of the winter simulation conference, December 13–16, Arlington, VA, USA. New York, USA: ACM Press, 1345, 1992.
166
84. Benock G, Loewer OJ, Bridges Jr. T, Loewer DH. Grain flow restrictions in harvesting-delivery drying systems. Transactions of the ASAE, 24(5), 1151-61, 1981.
85. Rotz CA, Buckmaster DR, Mertens DR, Black JR. DAFOSYM: a dairy forage system model for evaluating alternatives in forage conservation. Journal of Dairy Science, 72, 3050, 1989.
86. Shahab Sokhansanja, Amit Kumarc, Anthony F. Turhollow. Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). Biomass and Bioenergy, 30, 838-847, 2006.
87. MHG System, Finlandia, 2013.
88. Wesołowska M. Model logistyki w oparciu o alternatywne możliwości pozyskiwania biomasy dla Fortum Power and Heat, Instytut Zaawansowanych Technologii Energetycznych, 2012.
89. Dougherty M. A review of neural networks applied to transport. Transportation Research 1995;3:247–260, 1995.
90. Bhadeshia, HKDH. Neural networks in materials science. ISI Journal International. 39:966–979, 1999.
91. Murat Celik H. Modeling freight distribution using artificial neural networks. Journal of Transport Geography 2007;12:141–148, 2007.
92. Giampietro, M. and K. Mayumi. Complex Systems Thinking and Renewable Energy Systems. D. Pimentel (ed.), Biofuels, solar and wind as renewable energy systems. Springer Science and Business Media, B.V. Dordrecht, the Netherlands, 2008.
93. Krzywanski J., M. Wesołowska, A. Blaszczuk, A. Majchrzak, M. Komorowski, W. Nowak. The Non-Iterative Estimation of Bed-to-Wall Heat Transfer Coefficient in a CFBC by Fuzzy Logic Methods. Procedia Engineering, 157, 66 – 71, 2016.
94. Grabowska K., Krzywański J., Sztekler K., M. Wesołowska, A. Widuch, W. Nowak. Engineering Approach to Modeling of a Sorption Bed of a Single-Stage Adsorption Chiller. DE Stech Transactions on Environment, Energy and Earth Sciences, ISBN: 978-1-60595-456-1, 2017.
95. Praca zbiorowa pod redakcją M. Nałęcza, Biocybernetyka i inżynieria biomedyczna 2000, tom 6: Sieci neuronowe, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2000,
96. Hao Z., C. Kefa, M. Jianbo, 2001, Combining neural network and genetic algorithms to optimize low NOx pulverized coal combustion, Fuel, 80:2163-2168, 2001.
167
97. Kesgin U. Genetic algorithm and artificial neural network for engine optimization of efficiency and NOx emission, Fuel 2004; 83:885-895, 2004.
98. Praca zbiorowa pod redakcją L. Rutkowskiego, Sieci neuronowe i neurokomputery, Seria Monografie Nr 40 , Wydawnictwo Politechniki Częstochowskiej, Częstochowa, 1996,
99. Rutkowska D., M. Piliński, L.Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa, 1997,
100. Kwater T., Z. Kędzior, B. Twaróg, Estimation by artificial neural network in ecological problems, AMSE-Conference MS’2001-Lviv (Ukraine) 23-26 May:212-215, 2001. 101. Chudzik S., S. Gryś, R. Bąbka, Możliwość wykorzystania sztucznych sieci
neuronowych do rozwiązania współczynnikowego zagadnienia odwrotnego, Środkowoeuropejska IV Konferencja Naukowo-Techniczna: Metody i Systemy
Komputerowe w Automatyce i Elektrotechnice-IV MSKAE, Częstochowa-Poraj: 46-48, 2001.
102. Malik M. Materiały Fortum, POFM May, 2012.
103. Gola M., R.Kaczmarzyk, A.Mesjasz, M.Bednarek , M. Wesołowska. Operational experiences of co-firing biomass and logistics supply solutions in CHP Czestochowa Fortum Power and Heat Polska. 6TH International VGB Workshop „Operating experience with fluidized bed firing system”. September, 2012.
104. Machine learning software Neural Designer n.d. https://www.neuraldesigner.com/ (accessed June 11, 2019), 2019.
105. Cichy W.J. Materiały lignocelulozowe jako alternatywne źródło biopaliw stałych. Wyd. Instytut Technologii Drewna, 2013.
106. Nowak W., Rajczyk R., Bednarek M., Sławiński K., Starczyk B., Ziarkowska, B., Analiza procesu spalania i współspalania drewna pohydrolitycznego w cyrkulacyjnej warstwie fluidalnej, Instytut Zaawansowanych Technologii Energetycznych, Częstochowa, grudzień 2011.
107. Krzywanski J., R. Rajczyk, M. Bednarek, M. Wesołowska and W. Nowak. Gas
emissions from the biomass co-combustion in a large scale CFB boiler. Fuel Processing
Technology, Nr 116, 27-34, 2013.
108. Nowak W., J. Leszczynski, M. Niedzielska, M. Wesołowska. Influence of PSD of make-up materials on CFB boiler operation burning biomass. Proc. of the 11th
168
International Conference on Fluidized Bed Technology. May 14-17, Beijing, China, Ed. J.Li, F. Wei, X. Bao and W. Wang, Chemical Industry Press, 699-704, (2014).
109. Komorowski M., P. Mirek, J. Krzywański, W. Nowak, K. Sztekler, M. Wesołowska. Hydrodynamic Changes of Fluidized Bed Under Air/Carbon Dioxide Flows for Glass Beads and Sand as a Bed Material. Proc. of the 22nd International Conference on Fluidized Bed Conversion, June 14-17, Turku, Finland, 99-108, 2015.