Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data

• Autorzy: Ruciński D. , Tchórzewski J.
• Języki publikacji: EN

Abstrakty

EN

The work contains selected results of the modelling of neural Electric Power Exchange (EPE) in Poland. For modelling EPE system, artificial neural network (ANN) was constructed. ANN was learned and tested using of the next day market data. Generated neural model was used for simulation tests and susceptibility tests. Suitable model was implemented in Simulink. As a result of simulation tests and susceptibility testing a lot of interesting research results were obtained.

Słowa kluczowe

EN

neuronal modelling; MATLAB; Simulink environment; simulation research; artificial neural network

• Wydawca: Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
• Czasopismo: Information Systems in Management
• Rocznik: 2016
• Tom: Vol. 5, No. 2
• Strony: 215--226
• Opis fizyczny: Bibliogr. 16 poz., rys., tab., wykr.

Twórcy

autor

Ruciński D.

• Department of Computer Science, Siedlce University of Natural Sciences and Humanities

autor

Tchórzewski J.

• Department of Computer Science, Siedlce University of Natural Sciences and Humanities

Bibliografia

• [1] Fijorek K., MrÛz K., Niedziela K., Fijorek D. (2010), Prognozowanie cen energii elektrycznej na Rynku Dnia Nast pnego metodami data minig. Rynek Energii nr 12.
• [2] Mynarski S. (1993), Analiza rynku. Systemy i mechanizmy. Wyd. AE. KrakÛw.
• [3] Malko J. (2003), Black-out, czyli zdarzenia katastrofalne w krytycznych systemach infrastrukturalnych, WokÛ Energetyki vol.6 tom 5.
• [4] Li J., Li J. (2008) Next-Day Electricity Price Forecasting Based on Support Vector Machines and Data Mining Technology. Proceedings of the 27th Chinese Control Conference, Kunming, Yunnan, China.
• [5] Mielczarski W. (2000), Rynki energii elektrycznej. Wybrane aspekty techniczne i ekonomiczne, ARE, Warszawa.
• [6] Osowski S. (2000), Sieci neuronowe do przetwarzania informacji, PW, Warszawa.
• [7] Rutkowska D., Piliski M., Rutkowski L. (1997), Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa.
• [8] Senjyu T., Takara H., Uezato K., and Funabashi T. (2002) One-Hour-Ahead Load Forecasting Using Neural Network, IEEE Trans. on Power Systems, vol. 17, no. 1, pp. 113-118.
• [9] Stankovic A. M., Saric A. T., and Milosevic M., (2003) Identification of Nonparametric Dynamic Power System Equivalents with Artificial Neural Networks, IEEE Transactions on Power Systems, vol. 18, no. 4, pp. 1478-1486.
• [10] Tadeusiewicz R. (1993), Sieci neuronowe. AOW RM, Warszawa.
• [11] TchÛrzewski J. (2013) RozwÛj systemu elektroenergetycznego w uj ciu teorii sterowania i systemÛw. OW PWr. Wrocaw. 226
• [12] TchÛrzewski J. (2009), Identification of the Electrical Energy Stock Exchange and creating knowledge maps using MATLAB environment with SIT and NNT Toolboxes, Energy Market, 2009. EEM 2009. 6th International Conference on the European. IEEE Xplore Digital Library.
• [13] TchÛrzewski J. Ruciski D. (2016), Neural Modeling Safe Development of the Electricity Stock Exchange Using Quotations of Day-Ahead Market, Wolters Kluwer, Warszawa.
• [14] Wierzcho S., Kopotek M. (2015), Cluster analysis. IPI PAN. Warszawa.
• [15] urada J., Barski M., J druch W. (1996), Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, PWN, Warszawa.
• [16] http://www.mathworks.com/help/nnet

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.