Wielokryterialna ocena zarządzania energią na przykładzie klastra budynków w Polsce

Open Access (Artykuł w pliku PDF)

citation/cytuj: Zygmunt M., Gawin D. Multi-criteria assessment of energy management: insights from a building cluster case study in Poland. Materiały Budowlane. 2026. Volume 650. Issue 10. Pages 207-215. DOI: 10.15199/33.2026.10.23

dr inż. Marcin Zygmunt, Politechnika Łódzka, Wydział Budownictwa, Architektury i Inżynierii Środowiska
ORCID: 0000-0003-1304-8591
prof. dr hab. inż. Dariusz Gawin, Politechnika Łódzka, Wydział Budownictwa, Architektury i Inżynierii Środowiska
ORCID: 0000-0002-8240-4425

Correspondence address: Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript. 

DOI: 10.15199/33.2026.10.23
Scientific report / Doinesienie naukowe

Abstract. The paper presents a multi-criteria assessment of energy management strategies using the example of a residential building cluster located in central Poland. The main research objective was to identify optimal solutions to minimize the use of renewable energy sources and increase the energy flexibility of the cluster area. The analysis evaluated applicable demand management scenarios, taking into account technical, economic, and environmental aspects. Calculations for the case study were performed using the proprietary TEAC software. It was demonstrated that integrating energy flexibility at the cluster level yields measurable benefits compared to management at the level of individual buildings. The results provide practical guidance for grid operators and decision-makers, indicating the most effective pathways supporting the local energy transition.
Keywords: energy cluster; energy flexibility; demand-side management; day-ahead optimization; RES

Streszczenie: W artykule zaprezentowano wielokryterialną ocenę strategii zarządzania energią na przykładzie klastra budynków mieszkalnych zlokalizowanego w centralnej Polsce. Głównym celem badań była identyfikacja optymalnych rozwiązań pozwalających na maksymalizację wykorzystania odnawialnych źródeł energii (OZE) oraz zwiększenie elastyczności energetycznej obszaru klastra. W ramach analizy oceniono możliwe do zastosowania scenariusze zarządzania popytem (techniki DSM), uwzględniając aspekty techniczne, ekonomiczne oraz środowiskowe. Obliczenia dotyczące studium przypadku przeprowadzono przy użyciu autorskiego oprogramowania TEAC. Wykazano, że integracja elastyczności energetycznej na poziomie klastra przynosi wymierne korzyści w porównaniu z zarządzaniem w skali pojedynczych budynków. Uzyskane wyniki dostarczają praktycznych wskazówek zarządcom sieci i decydentom, wskazując najbardziej efektywne ścieżki wspierające lokalną transformację energetyczną.
Słowa kluczowe: klaster energii; elastyczność energetyczna; zarządzanie stroną popytową; optymalizacja dobowa; OZE

Literatura
[1] Hargroves K, James B, Lane J, Newman P. The Role of Distributed Energy Resources and Associated Business Models in the Decentralised Energy Transition: A Review. Energies. 2023; 16 (10): 4231. https://doi.org/10.3390/ en16104231
[2] Li H, Wang Z, Hong T, Piette MA. Energy Flexibility of Residential Buildings: A Systematic Review of Characterization and Quantification Methods and Applications. Advances in Applied Energy. 2021; 3: 100054. https://doi. org/10.1016/j.adapen.2021.100054
[3] Panda S, Mohanty S, Rout PK i in. An Insight into the Integration of Distributed Energy Resources and Energy Storage Systems with Smart Distribution Networks Using Demand-Side Management. Applied Sciences. 2022; 12 (17): 8914. https://doi.org/10.3390/app12178914
[4] Savino S, Minella T, Nagy Z, Capozzoli A. A Scalable Demand-Side Energy Management Control Strategy for Large Residential Districts Based on an Attention-Driven Multi-Agent DRL Approach. Applied Energy. 2025; 393: 125993. https://doi.org/10.1016/j.apenergy.2025.125993
[5] Interreg Danube/NRGCOM. Recent Survey Highlights Potential of Energy Communities in the EU 2024.
[6] European Commission. Energy Communities 2024.
[7] Ustawa z 20 lutego 2015 r. o odnawialnych źródłach energii. Dz.U. 2024 poz. 1361
[8] Zygmunt M, Gawin D. Application of Artificial Neural Networks in the Urban Building Energy Modelling of Polish Residential Building Stock. Energies. 2021; 14 (24): 8285. https://doi.org/10.3390/en14248285
[9] Ali U, Shamsi MH, Hoare C, Mangina E. O’Donnell J. Review of Urban Building Energy Modeling (UBEM) Approaches, Methods and Tools Using Qualitative and Quantitative Analysis. Energy and Buildings. 2021; 246: 111073. https://doi.org/10.1016/j.enbuild.2021.111073
[10] Dai TY, Niyogi D, Nagy Z. CityTFT: A Temporal Fusion Transformer-Based Surrogate Model for Urban Building Energy Modeling. Applied Energy. 2025; 389: 125712. https://doi.org/10.1016/j.apenergy.2025.125712
[11] Swan LG, Ugursal VI. Modeling of End-Use Energy Consumption in the Residential Sector: A Review of Modeling Techniques. Renewable and Sustainable Energy Reviews. 2009; 13 (8): 1819‒35. https://doi.org/10.1016/j. rser.2008.09.033
[12] Zygmunt M, Gawin D. Application of the Renewable Energy Sources at District Scale – A Case Study of the Suburban Area. Energies. 2022; 15 (2): 473. https://doi.org/10.3390/en15020473

Received: 02.06.2026 / Artykuł wpłynął do redakcji: 02.06.2026 r.
Revised: 14.08.2026 / Otrzymano poprawiony po recenzjach: 14.08.2026 r.
Published: 21.10.2026 / Opublikowano: 21.10.2026 r.

Materiały Budowlane 10/2026, strona 207-215 (spis treści >>)