PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
Tytuł artykułu

Analiza doboru zmiennych w zadaniu prognozowania ultrakrótkoterminowego produkcji energii elektrycznej w systemach fotowoltaicznych

Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
The analysis of input variables selection in ultra shortterm electric energy production forecasting for photovoltaic systems
Języki publikacji
PL
Abstrakty
PL
W tekście przedstawiono obszerną analizę różnych metod doboru zmiennych do modeli prognozowania ultrakrótkoterminowego produkcji energii przez system fotowoltaiczny, a w szczególności wpływu tych metod na jakość prognoz. Sformułowano wnioski końcowe z przeprowadzonych analiz i prognoz.
EN
The paper presents comprehensive analysis of input variables selection for chosen prediction models in ultra short-term electric energy production forecasting for photovoltaic systems, especially influence of input variables selection methods on quality of prediction models. The obtained results have been discussed and the final conclusions have been presented.
Rocznik
Strony
5--9
Opis fizyczny
Bibliogr. 9 poz., tab., wykr.
Twórcy
  • Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa
Bibliografia
  • [1] Yuehui H. et al.: “Comparative study of power forecasting methods for PV stations”, International Conference on Power System Technology (POWERCON), 2010,
  • [2] Cococcioni M., et al.: “24-hour-ahead forecasting of energy production in solar PV systems”, 11th International Conference on Intelligent Systems Design and Applications (ISDA), 2011,
  • [3] Baczyński D., Wasilewski J.: „Krótkoterminowe prognozowanie produkcji energii elektrycznej w systemach fotowoltaicznych”, Rynek Energii, 96 (2011), nr 5, 47-51,
  • [4] Yona A., et al.: “Application of neural network to 24-hourahead generating power forecasting for PV system”, Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE,
  • [5] Jie Shi, et al.: “Forecasting power output of photovoltaic system based on weather classification and support vector machine”, Industry Applications Society Annual Meeting (IAS), 2011 IEEE, Orlando 2011,
  • [6] Al -Messabi N., et al.: “Forecasting of photovoltaic power yield using dynamic neural networks”, The 2012 International Joint Conference on Neural Networks (IJCNN),
  • [7] Baczyński D., Helt P., Marzecki J., Piotrowski P., Wasilewski J.: „Opracowanie metod prognozowania produkcji energii elektrycznej dla źródeł odnawialnych”, praca na zlecenie firmy Globema w ramach umowy z Instytutem Elektroenergetyki Politechniki Warszawskiej,
  • [8] Piotrowski P.: „Prognozowanie w elektroenergetyce w różnych horyzontach czasowych”, Monografia, Prace Naukowe Politechniki Warszawskiej „Elektryka”, z. 144, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2013,
  • [9] Piotrowski P.: „Prognozowanie krótkoterminowe godzinowych obciążeń w spółce dystrybucyjnej z wykorzystaniem sieci neuronowych – analiza wpływu doboru i przetworzenia danych na jakość prognoz", Przegląd Elektrotechniczny (Electrical Review), (83) 2007, nr 7-8, 40-43.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-29895730-812d-4c55-bf2d-007659bfea7e
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.