Możliwości poprawy jakości prognoz generacji wiatrowej przy wykorzystaniu dostępnych informacji jako zmiennych objaśniających

• Autorzy: Magulski R. , Pakulski T.

Warianty tytułu

EN

Opportunities to improve the qualty of forecasts of wind generation using available information as expanatory variables

• Konferencja: XVII Międzynarodowa Konferencja Naukowa AKTUALNE PROBLEMY W ELEKTROENERGETYCE APE’15 (17-19.06.2015, Jastrzębia Góra, Poland)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wyniki analiz dotyczących możliwości prognozowania generacji wybranej farmy wiatrowej (FW), realizowanych za pomocą zróżnicowanych metod predykcyjnych, wykorzystujących odmienny zakres danych pomiarowych i prognostycznych, dostępnych na farmie i w jej otoczeniu. Analizy koncentrowały się na ocenie błędów uzyskiwanych prognoz oraz doborze danych wejściowych do modeli prognostycznych i ocenie ich wpływu na poprawę jakości predykcji.

EN

The article presents the results of analyzes refer to the capabilities of wind generation forecasting in selected case study, implemented by means of different methods of prediction, using a different range of measurement and forecasting data available Analyses focused on the evaluation of forecasts generated errors, input data of forecasting models selection and evaluation of the impact on the quality of prediction.

Słowa kluczowe

PL

prognozowanie; metody statystyczne; sieci neuronowe

EN

forecasting; statistical methods; neural network

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2015
• Tom: Nr 42
• Strony: 167--170
• Opis fizyczny: Bibliogr. 8 poz., wykr., tab.

Twórcy

autor

Magulski R.

• Instytut Energetyki Instytut Badawczy Oddział Gdańsk, tel.: [phone]; fax: [phone]

autor

Pakulski T.

• Instytut Energetyki Instytut Badawczy Oddział Gdańsk, tel.: [phone]; fax: [phone]

Bibliografia

• 1. Sweeney C., Lynch P., Nolan P., Reducting errors of wind speed forecasts by an optimal combination of post-processing methods, Department of Meteorology and Climate Centre, Dublin, 2011.
• 2. Prondziński Z., Rubanowicz T., Zryczałtowana usługa operatora handlowo – technicznego na potrzeby rozwoju energetyki wiatrowej w Polsce, ActaEnergetica, 2/19, 2004.
• 3. Sweeney C., Lynch P., Nolan P., Courtney J., Post-processing COSMO output for improved wind forecast, Meteorology and Climate Centre, Universtity College Dublin, Ireland, April 2012.
• 4. Selcuk Nogay H., Akinci T.C., Eidukeviciute M., Application of artificial neural networks for short term wind speed forecasting in Mardin, Turkey, Journal of Energy in Southern Africa, Vol. 23 no 4, November 2012.
• 5. Mao J., Zhang X., Li J., Wind power forecasting based on the BP neural network, Beifang University of Nationalities, Yinchuan, China;
• 6. Hernandez L., Artificial Neural Network for Short-Term Load Forecasting in Distribution Systems, Energies 2014, 7 1576-1598, ISSN1996-1073, marzec 2014, praca zbiorowa.
• 7. Perez-Llera C., Fernandez-Baizan M.C., Gonzalez del Valle V., Local Short-Term Prediction of Wind Speed: A Neural Network Analysis, Universidad Politecnica de Madrid, Spain.
• 8. Moghaddas-Tafreshi, S.M., Panahi D., One-hour-ahead forecasting of wind turbine power generation using artificial neural networks, University of technology, Teheran, Iran.