Dobór zmiennych objaśniających z wykorzystaniem metody MARSplines na przykładzie prognozowania dobowego zapotrzebowania na moc szczytową 15-minutową w KSE

• Autorzy: Czapaj Rafał , Benalcazar Pablo , Kamiński Jacek

Identyfikatory

DOI

10.15199/48.2019.08.03

Warianty tytułu

EN

Explanatory variable selection using the MARSplines method on the example of forecasting the daily 15-minute peak power load in the national power system

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje możliwość skorzystania z metod statystycznych automatyzujących dobór zmiennych objaśniających na przykładzie szczytowego obciążenia dobowego KSE. Testy ex post dotyczyły 10 zbiorów zmiennych objaśniających dla metod statystycznych klasycznych i typu Data Mining. Uzyskana macierz wyników pozwala wstępnie wybrać najkorzystniejszy zbiór zmiennych objaśniających i metodę statystyczną.

EN

The article examines the possibility of using statistical methods for the automated selection of explanatory variables of the daily peak demand in the National Power System. An analysis of 10 explanatory variable sets was conducted through classical and Data Mining methods. The obtained results, which are presented as a matrix of (ex-post) statistical measures, prove to be useful in the selection of the appropriate statistical method and the selection of explanatory variables.

Słowa kluczowe

PL

MARSplines; zmienne objaśniające; prognozowanie; KSE; zapotrzebowanie na moc

EN

MARSplines; explanatory variable; forecasting; national power system; power load

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2019
• Tom: R. 95, nr 8
• Strony: 9--12
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Czapaj Rafał

• PSE Innowacje Sp. z o.o., Centrum Kompetencji Badania i Rozwój, ul. Jordana 25, 40-056 Katowice

autor

Benalcazar Pablo

• Instytut Gospodarki Surowcami Mineralnymi i Energią Polskiej Akademii Nauk, Kraków, ul. J. Wybickiego 7A, 31-261 Kraków

autor

Kamiński Jacek

• Instytut Gospodarki Surowcami Mineralnymi i Energią Polskiej Akademii Nauk, Kraków, ul. J. Wybickiego 7A, 31-261 Kraków

Bibliografia

• [1] Friedman J. H. , Multivariate Adaptive Regression Splines, The Annals of Statistics, (1991), 19:1, 1-141
• [2] Friedman J. H. , Estimating Functions of Mixed Ordinal and Categorical Variables Using Adaptive Splines, New Directions in Statistical Data Analysis and Robustness (Morgenthaler, Ronchetti, Stahel, eds.), Birkhauser, (1993)
• [3] Friedman J. H. , Fast MARS, Stanford University Department of Statistics, Technical Report 110, (1993)
• [4] Witryna internetowa: www.statsoft.pl (dostęp: 2018.06.16)
• [5] Sokołowski A., Pasztyła A., Data Mining w prognozowaniu zapotrzebowania na nośniki energii, StatSoft Polska Sp. z o. o., (2004), 91-102
• [6] Sokołowski A., Metody stosowane w Data Mining, StatSoft Polska Sp. z o. o., (2002), 5-12
• [7] Wątroba G., Przykład rozwiązania zagadnienia predykcyjnego za pomocą technik Data Mining, StatSoft Polska Sp. z o. o., (2002), 83-94
• [8] Migut G., Czy stosowanie metod Data Mining może przynosić korzyści w badaniach naukowych? StatSoft Polska Sp. z o. o., (2009), 49-65
• [9] Nisbet N., Elder J., Miner G., Handbook of Statistical Analysis & Data Mining, Elsevier Inc., (2009), 83, 159-163
• [10] Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning, Data Mining, Inference and Prediction, (2001), Springer
• [11] Söderström M., Sohlenius G., Rodhe L., Piikki K., Adaptation of regional digital soil mapping for precision agriculture, Precision Agric/Springerlink, (2016), 1-20
• [12] Lewicki P., Hill T., Statistics: Methods and Applications, 403-409
• [13] Witryna internetowa www.twojapogoda.pl
• [14] Witryna internetowa www.tvnmeteo.tvn24.pl
• [15] Witryna internetowa www.pse.pl
• [16] Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne - Teoria, przykłady, zadania, Wydawnictwo Naukowe PWN, Warszawa (2003)
• [17] Witkowska D., Podstawy ekonometrii i teorii prognozowania (Podręcznik z przykładami i zadaniami), Oficyna Ekonomiczna, Kraków (2005)
• [18] Kot S.M., Jakubowski J., Sokołowski A., Statystyka - Podręcznik dla studiów ekonomicznych, Centrum Doradztwa i Informacji, Warszawa (2007)
• [19] StatSoft Polska, STATISTICA - Przewodnik, Wydawnictwo StatSoft Polska Sp. Z o.o., Kraków (2008)
• [20] Helt P., Parol M., Piotrowski P., Metody sztucznej inteligencji w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa (2000)

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).