Prognozowanie zapotrzebowania na moc w KSE z zastosowaniem grupowania rozmytego

• Autorzy: Ciechulski Tomasz , Osowski Stanisław

Identyfikatory

DOI

10.15199/48.2019.10.42

Warianty tytułu

EN

The method of 24-hour load forecasting with application of fuzzy sets and C-means algorithm

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiona została metoda prognozowania zapotrzebowania dobowego na moc w Krajowym Systemie Elektroenergetycznym (KSE) z dowolnym wyprzedzeniem czasowym przy zastosowaniu grupowania rozmytego, zrealizowanego przy użyciu algorytmu C-means. Do badań numerycznych posłużyły dane godzinowe zapotrzebowania na moc w KSE z lat: 2014-2018. Na podstawie kilku ostatnich lat użytych w uczeniu systemu rozmytego przeprowadzono predykcję zapotrzebowania na moc dla każdego dnia roku 2018.

EN

The paper shows the method of 24-hour load forecasting in National Power System in Poland with unlimited time advance and with application of fuzzy sets and C-means algorithm. The hourly load data in KSE from the period of 2014-2018 have been used in experiments. The first 4 years data have been used in learning fuzzy system and data of the last year - 2018 have been used only in testing of the learned system.

Słowa kluczowe

PL

prognozowanie obciążeń; logika rozmyta; algorytm C-means

EN

load forecasting; fuzzy logic; C-means algorithm

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2019
• Tom: R. 95, nr 10
• Strony: 185--189
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Ciechulski Tomasz

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, Zakład Systemów Informacyjno-Pomiarowych, ul. gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

autor

Osowski Stanisław

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, Zakład Systemów Informacyjno-Pomiarowych, ul. gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] Ciechulski T., Osowski S., Prognozowanie zapotrzebowania mocy w KSE z horyzontem dobowym przy zastosowaniu zespołu sieci neuronowych, Przegląd Elektrotechniczny, nr 9/2018, ss. 108-112
• [2] Paparoditis E., Sapatinas T., Short-term load forecasting: the similar shape functional time-series predictor, IEEE Transactions on Power Systems, vol. 28, no. 4, ss. 3818-3825, 2013
• [3] Marzecki J., Metody prognozowania obciążeń terenowych stacji SN/nn, Przegląd Elektrotechniczny, nr 4/2017, ss. 26-29
• [4] Viegas J.L., Vieira S.M. , Sousa J.M.C., Fuzzy clustering and prediction of electricity demand based on household characteristics, 16th World Congress of the International Fuzzy Systems Association, 2015
• [5] MathWorks , Matlab manual user’s guide, Natick, 2018
• [6] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2013
• [7] Polskie Sieci Elektroenergetyczne, Dane systemowe https://www.pse.pl/dane-systemowe
• [8] Wan H., Load forecasting via deep neural network, Procedia Computer Science, 2017, vol. 122, ss. 308-314
• [9] Shah S., Nagaraja H. N., Chakravorty J., Short term load forecasting model for UGVCL, MGVCL, DGVCL and PGVCL using ANN, International Journal of Recent Trends in Electrical & Electronics Eng., 2017, vol. 5, pp. 21-30.
• [10] Anuar N., Zakaria Z., Electricity load profile determination by using fuzzy C-means and probability neural network, Energy Procedia 14 (2012) 1861-1869.
• [11] Jang J.S.R. , Sun C.T., Mizutani E., Neuro-fuzzy and soft computing, 1997, Prentice Hall, New York.
• [12] Parol M. , Prognozowanie ultrakrótkoterminowe mocy generowanej w odnawialnych źródłach energii z wykorzystaniem logiki rozmytej, Przegląd Elektrotechniczny, nr 6/2014, ss. 265-268
• [13] Baczyński D., Piotrowsk i P . , Prognozowanie dobowej produkcji energii elektrycznej przez turbinę wiatrową z horyzontem 1 doby, Przegląd Elektrotechniczny, nr 9/2014, ss. 113-117
• [14] Zhu Y, He Y. , Short-term load forecasting model using fuzzy C means based radial basis function network, Sixth International Conference on Intelligent Systems Design and Applications, IEEE Xplore, vol.12, 2006.
• [15] Daneshi H.; Shahidehpour M; Choobbari A. L., Long-term load forecasting in electricity market, 2008 IEEE International Conference on Electro/Information Technology, Ames, IA, USA.

Uwagi

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