Modeling the National Power System using Artificial Neural Networks

• Autorzy: Ruciński Dariusz , Tchórzewski Jerzy
• Języki publikacji: EN

Abstrakty

EN

The purpose of this paper is to investigate and demonstrate the potential of modeling the National Power System (NPS) in Poland. The paper presents the results of research modeling of the NPS system using three different models based on Artificial Neural Networks. Data characterizing the NPS were implemented to build the models. The results measured by Mean Squared Error and determination coefficient were presented and analyzed. The research results and conclusions are presented in the summary.

Słowa kluczowe

EN

National Power System; modeling of the power system; power system as an intelligent system; analysis of selected sizes of the power system; Perceptron network; Recurrent network; LSTM network

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2025
• Tom: vol. 1(32)
• Strony: 77--91
• Opis fizyczny: Bibliogr. 32 poz., wykr., tab.

Twórcy

autor

Ruciński Dariusz

• University of Siedlce, Faculty of Exact and Natural Sciences, Institute of Computer Science, ul. 3 Maja 54, 08-110 Siedlce, Poland

• https://orcid.org/0000-0001-5458-9170

autor

Tchórzewski Jerzy

• University of Siedlce, Faculty of Exact and Natural Sciences, Institute of Computer Science, ul. 3 Maja 54, 08-110 Siedlce, Poland

• https://orcid.org/0000-0003-2198-7185

Bibliografia

• 1. D. Carnevale, M. Cavaiola, A. Mazzino, A novel AI-assisted forecasting strategy reveals the energy imbalance sign for the day-ahead electricity market, Energy Reports,V. 11, 2024, pp 4115-4126, https://doi.org/10.1016/j.egyr.2024.03.058, [access: 2024-25].
• 2. A. Cichosz, Systemy uczące się, WNT, Warszawa, 2000.
• 3. T. Ciechulski, S. Osowski, „Badanie jakości predykcji obciążeń elektroenergetycznych za pomocą sztucznych sieci neuronowych SVM, RBF i MLP”, Przegląd Elektrotechniczny, R. 90, Nr 8, pp. 148-151, 2014.
• 4. T. Ciechulski, S. Osowski, „Prognozowanie zapotrzebowania mocy w NPS z horyzontem dobowym przy zastosowaniu zespołu sieci neuronowych”,Przegląd Elektrotechniczny,R.94,Nr9,pp.108-112, 2018.
• 5. J.V. Chremos, A.A. Malikopoulos, Mechanism Design Theory in Control Engineering. A Tutorial and overview of aplications in comunication, power grid, transportation and security systems, IEEE Control Systems, Vol. 44, No. 1, pp.20-45, Febr. 2024.
• 6. R. Diao, Z. Wang and [all], Autonomous Voltage Control for Grid Operation Using Deep Reinforce ment Learning, arXiv, 2019, doi:https://arxiv.org/abs/1904.10597 [access: 2024-25].
• 7. I. Filipiak , W. Mielczarski, Energetyka w okresie transformacji, PWN, Warszawa 2023, pages 300.
• 8. A. Géron, Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems. USA, O’Reilly Media, Inc., 2019, pages 510.
• 9. Z. Hanzelka, M. Kasprzyk, Podstawy analizy systemów elektroenergetycznych, WN PK, Kraków 2012.
• 10. Hoke A., Boemer J.C., Badrzadeh B., MacDowell J., Kurthakokti D., Marszalkowski B., Meuser M., Fundations for the future Power System, IEEE Power & Energy Magazine, Vol. 22, No. 2, pp. 42-54, March/Apri 2024.
• 11. https://www.pse.pl/dane-systemowe/funkcjonowanie-NPS/raporty-dobowe-z-pracy-NPS [access: 2024-25].
• 12. https://raportzintegrowany2023.gkpge.pl/zrownowazone-inwestycje/magazynowanie-energii/ [access: 2024-25].
• 13. https://energa-operator.pl/aktualnosci/854874/powstaje-cyfrowy-blizniak-sieci-energa-operator-ruszyl-projekt-digital-twin [access: 2024-25].
• 14. P.Kacejko, Analiza systemu elektroenergetycznego w ujęciu obiektowym, PNPW, Elektryka, z.104, 1998.
• 15. R.Łukomski,K.Wilkosz, Estymacja stanu rozdzielczych sieci elektroenergetycznych, Wiadomości Elektrotechniczne, 2005.
• 16. J. Machowski, Regulacja i stabilność systemu elektroenergetycznego, OW PW, Warszawa 2007.
• 17. R. Marlęga R., Comparative study of selected methods of analytical , identification and neural modeling on example of the Day-Ahead Systems.,[Chapter 6 in:] Modeling and Analysisof Intelligent Information Systems, Monograph No. 2 in Series: Intelligent Systems and Information Technology, [ed. J. Tchórzewski, P. Świtalski], Wydawnictwo Naukowe UwS, Siedlce 2023, pp. 145-198.
• 18. MathWorks, MATLAB I Simulink, https://www.mathworks.com [dostęp:1992-2025].
• 19. J. Nazarko, Estymacja stanów pracy elektroenergetycznych sieci rozdialczych, Rozprawy Naukowe, Nr. 9, , PB, Białystok 1991.
• 20. A.Obuchowicz,OptimizationofNeuralNetworkArchitectures,Chapter9,[in:]IntelligentSystems, [eds] Wilamowski B. M., Irvin J. D., The Industrial Electronics Handbook, Second Edition, Taylor and Francis Group, LLC, pp. 9.1-9.24, 2011.
• 21. S. Osowski, Sieci neuronowe do przetwarzania informacji, OW PW, Warszawa, pages 422, 2013.
• 22. Rebizant W., Szafran J., Wiszniewski A., Digital Signal Processing in Power System Protection and Control, Book series: Signals and Communication Technology, Tom 10, pages 978, Springer, Springer, 2011.
• 23. Roczniki Statystyczne. GUS, Warszawa 2000-2025.
• 24. D. Ruciński, Forecasting Accuracy of LSTM and Perceptron Models in Day-Ahead Market Predic tion on the Polish Power Exchange S.A., [Chapter 2 in:] Design and Implementation of Artificial Intelligence Systems, Monograph No. 3 in Series: Intelligent Systems and Information Technology, [ed. D. Mikułowski, A. Niewiadomski], Wydawnictwo Naukowe UwS, Siedlce 2025, pp. 33-56.
• 25. D.Ruciński,Selected Aspects of Neural-Evolutionary Modeling of Proceson the Day Ahead Market of TGES.A., Studia Informatica. Systems and Information Technologies, Vol. 2(31)2024, pp.69-86.
• 26. Statystyka Elektroenergetyki Polskiej, ARE, Warszawa 2000-2025.
• 27. R. Szczerbowski, Modelowanie systemów energetycznych, Poznan University of the Technology. Academic Journals, Electrical Engineering, No. 78, pp. 9-16, 2014.
• 28. R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2013.
• 29. J. Tchórzewski, Metody sztucznej inteligencji i informatyki kwantowej w ujęciu teorii sterowania i systemów, Wydawnictwo Naukowe UPH, Siedlce 2021, pages 343.
• 30. J. Tchórzewski, Rozwój system elektroenergetycznego w ujęciu teorii sterowania i systemów, OW PWr, Wrocław 2013, pages 191.
• 31. J. Tchórzewski, R. Marlęga, The Day Ahead Market System Simulation Model in the MATLAB and Simulink Environment, 2021 PAEE, IEEE XPlore Digital Library, Kościelisko 2021, pp. 1-6.
• 32. R. Zajczyk, Modele matematyczne systemu elektroenergetycznego do badania elektromechanicznych stanów nieustalonych i procesów regulacyjnych, WN PG, Gdańsk 2003.