Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-29895730-812d-4c55-bf2d-007659bfea7e

Czasopismo

Przegląd Elektrotechniczny

Tytuł artykułu

Analiza doboru zmiennych w zadaniu prognozowania ultrakrótkoterminowego produkcji energii elektrycznej w systemach fotowoltaicznych

Autorzy Piotrowski, P. 
Treść / Zawartość http://pe.org.pl/
Warianty tytułu
EN The analysis of input variables selection in ultra shortterm electric energy production forecasting for photovoltaic systems
Języki publikacji PL
Abstrakty
PL W tekście przedstawiono obszerną analizę różnych metod doboru zmiennych do modeli prognozowania ultrakrótkoterminowego produkcji energii przez system fotowoltaiczny, a w szczególności wpływu tych metod na jakość prognoz. Sformułowano wnioski końcowe z przeprowadzonych analiz i prognoz.
EN The paper presents comprehensive analysis of input variables selection for chosen prediction models in ultra short-term electric energy production forecasting for photovoltaic systems, especially influence of input variables selection methods on quality of prediction models. The obtained results have been discussed and the final conclusions have been presented.
Słowa kluczowe
PL prognozowanie ultrakrótkoterminowe produkcji energii elektrycznej   system fotowoltaiczny   analiza statystyczna danych   dobór zmiennych  
EN ultra short-term forecasting of electric energy production   photovoltaic system   statistical analysis of data   variables selection  
Wydawca Wydawnictwo SIGMA-NOT
Czasopismo Przegląd Elektrotechniczny
Rocznik 2014
Tom R. 90, nr 4
Strony 5--9
Opis fizyczny Bibliogr. 9 poz., tab., wykr.
Twórcy
autor Piotrowski, P.
Bibliografia
[1] Yuehui H. et al.: “Comparative study of power forecasting methods for PV stations”, International Conference on Power System Technology (POWERCON), 2010,
[2] Cococcioni M., et al.: “24-hour-ahead forecasting of energy production in solar PV systems”, 11th International Conference on Intelligent Systems Design and Applications (ISDA), 2011,
[3] Baczyński D., Wasilewski J.: „Krótkoterminowe prognozowanie produkcji energii elektrycznej w systemach fotowoltaicznych”, Rynek Energii, 96 (2011), nr 5, 47-51,
[4] Yona A., et al.: “Application of neural network to 24-hourahead generating power forecasting for PV system”, Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE,
[5] Jie Shi, et al.: “Forecasting power output of photovoltaic system based on weather classification and support vector machine”, Industry Applications Society Annual Meeting (IAS), 2011 IEEE, Orlando 2011,
[6] Al -Messabi N., et al.: “Forecasting of photovoltaic power yield using dynamic neural networks”, The 2012 International Joint Conference on Neural Networks (IJCNN),
[7] Baczyński D., Helt P., Marzecki J., Piotrowski P., Wasilewski J.: „Opracowanie metod prognozowania produkcji energii elektrycznej dla źródeł odnawialnych”, praca na zlecenie firmy Globema w ramach umowy z Instytutem Elektroenergetyki Politechniki Warszawskiej,
[8] Piotrowski P.: „Prognozowanie w elektroenergetyce w różnych horyzontach czasowych”, Monografia, Prace Naukowe Politechniki Warszawskiej „Elektryka”, z. 144, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2013,
[9] Piotrowski P.: „Prognozowanie krótkoterminowe godzinowych obciążeń w spółce dystrybucyjnej z wykorzystaniem sieci neuronowych – analiza wpływu doboru i przetworzenia danych na jakość prognoz", Przegląd Elektrotechniczny (Electrical Review), (83) 2007, nr 7-8, 40-43.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-29895730-812d-4c55-bf2d-007659bfea7e
Identyfikatory
DOI 10.12915/pe.2014.04.02