Cluster analysis on the example of work data of the National Power System. Part 2, Research and selected results

• Autorzy: Tchórzewski Jerzy , Kania Tomasz

Identyfikatory

DOI

10.34739/si.2020.24.01

• Języki publikacji: EN

Abstrakty

EN

The work is a continuation of the article under the same main title and subtitle Part 1. Comparative study of methods and conditions. This article concerns the cluster analysis, which was carried out on the example of data concerning the operation of the National Power System, namely the total generations of nCDGUs and CDGUs listed by PSE Operator. Two algorithms were used to obtain the results of the cluster analysis, i.e. the Ward algorithm and the algorithm of self-organizing twodimensional topographic maps. The obtained results were interpreted and their discussion and interpretation were conducted.

Słowa kluczowe

EN

cluster analysis; National Power System; MATLAB; Simulink; Ward's algorithm; self-organizing two-dimensional maps

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2020
• Tom: Vol. 1-2(24)
• Strony: 5--23
• Opis fizyczny: Bibliogr. 32 poz., rys., wykr.

Twórcy

autor

Tchórzewski Jerzy

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

autor

Kania Tomasz

• GENBIT Student Branch, Siedlce University of Natural Sciences and Humanities, Faculty of Exact and Natural Sciences, Institute of Computer Science, ul. 3 Maja 54, 08–110 Siedlce, Poland

Bibliografia

• 1. Cichosz P., Systemy uczące się (Eng. Learning systems). WNT, Warsaw 2000.
• 2. Reyes A. J. O., Garcia A. O., Mue Y. L., System for Processing and Analysis of Information Using Clustering Technique. IEEE Latin America Transactions, IEEE Digital Library, Vol. 12, Issue 2, pp. 364-371, 2014.
• 3. Długosz M., Materiały dydaktyczne do przedmiotu „Analiza danych pomiarowych. Część IX - Analiza skupień” (Eng. Didactic materials for the subject "Measurement data analysis. part IX - Cluster analysis "). AGH, Kraków, pp. 2-6, 2015.
• 4. Duraj A., Krawczyk A., Dobór miar odległości w hierarchicznych aglomeracyjnych metodach wykrywania wyjątków (Eng. Selection of distance measures in hierarchical agglomeration methods of exception detection), Przegląd Elektrotechniczny, R. 87, No. 12b, pp. 33-36, 2011.
• 5. Jasiński M., Zastosowanie analizy skupień oraz globalnego wskaźnika jakości energii do identyfikacji i oceny różnych stanów pracy elektroenergetycznych sieci górniczych w aspekcie jakości energii elektrycznej (Eng. The use of cluster analysis and the global power quality index to identify and assess various operating states of mining power networks in terms of electricity quality). Doctoral dissertation under the supervision of prof. dr hab. eng. Tomasz Sikorski, Wydział Elektryczny, PWr., Wrocław 2019.
• 6. Kania T., Analiza danych z wykorzystaniem analizy skupień na przykładzie Krajowego Systemu Elektroenergetycznego (Eng. Data analysis using cluster analysis on the example of the National Power System). Master's thesis written at the Institute of Computer Science under the supervision of dr hab. eng. Jerzy Tchórzewski, prof. UPH in Siedlce, UPH, Siedlce 2019.
• 7. Kohonen T., Self-Organization of Very Large Document Collections: State of the Art. Helsinki University of Technology, Finland 2013.
• 8. Koronacki J., Statystyczne systemy uczące się (Eng. Statistical learning systems). OW EXIT, Edition II, Warszawa 2008.
• 9. Larose D., Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych (Eng. Discovering knowledge from data. Introduction to data mining). WN PWN, Warszawa 2006.
• 10. Migdał-Najman K., Najman K., Analiza porównawcza wybranych metod analizy skupień w grupowaniu jednostek o złożonej strukturze grupowej (Eng. Comparative analysis of selected methods of cluster analysis in grouping units with a complex group structure). CEON, Warszawa 2013.
• 11. Mielczarski W., Hannbook: Energy Systems&Markets. Part. 1 Structure and operation. Part 2. Technical aspects. Association of Polish Electrical Engineers, Division Łódź. Edition I., Łódź 2018.
• 12. Morzy T., Eksploracja danych (Eng. Data mining). PWN, Warszawa 2007.
• 13. Osowski S., Metody i narzędzia eksploracji danych (Eng. Data mining methods and tools). Wyd. BTC, Legionowo 2017.
• 14. Płoński P., Zastosowanie wybranych metod przekształcenia i selekcji danych oraz konstrukcji cech w zadaniach klasyfikacji i klasteryzacji (Eng. Application of selected methods of data transformation and selection as well as construction of features in classification and clustering tasks). Doctoral dissertation under the supervision of prof. dr hab. inż. Krzysztof Zaremba, Wydz. Elektroniki i Technik Informacyjnych PW, Warszawa 2016.
• 15. Ruciński D., The neural modelling in chosen task of Electric Power Stock Market. Studia Informatica. Systems and Information Technology. No. 21, Vol. 1 No. 21/2017, pp. 63-83.
• 16. Skorzybut M., Krzyśko M., Górecki T., Wołyński W., Systemy uczące się. Rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości (Eng. Learning systems. Pattern recognition, cluster analysis and dimensionality reduction). WNT. Warszawa 2009.
• 22
• 17. Szeliga M., Praktyczne uczenie maszynowe (Eng. Practical machine learning). PWN, Warszawa 2019.
• 18. Tchórzewski J., Kania T., Cluster analysis on the example of work data of the National Power System. Part 1. Comparative study of methods and conditions. Studia Informatica. Systems and Information Technology. No. 24, Vol. 1-2, pp. 25-41, 2019.
• 19. Tchórzewski J., Jezierski J., Cluster Analysis as a Preliminary Problem Neural Modelling of the Polish Power Exchange. Information Systems in Management, Vol. 8, pp. 69-81, 2019.
• 20. Tchórzewski J., Rozwój system elektroenergetycznego w ujęciu teorii sterowania i systemów (Eng. Development of the power system in terms of control theory and systems). OW PWr., Wrocław 2013.
• 21. Tchórzewski J., Buziak R., Suszczyński P., Model and Implementation of Self-Organising Neural Network for Searching Discovery in Databases. Studia Informatica. Systems and Information Technology. Vol. 1(5), pp. 35-47, 2005.
• 22. Tchórzewski J., Kłopotek M., Kujawiak M., Studium porównawcze metod prowadzenia odkryć (Eng. A comparative study of discovery methods). Studia Informatica. Systems and Information Technology. No. 4, Vol. 1, pp. 105-122, 2004.
• 23. Tchórzewski J., Kwiczak I., Mapowanie informacji z baz danych za pomocą sieci neuronowych samoorganizujących się (Eng. Mapping information from databases using self-organizing neural networks). Studia Informatica. Systems and Information Technology. No 3, Vol. 1, pp. 99-105, 2004.
• 24. Tchórzewski J., Zarzycki I., Soćko M., Poszukiwanie odkryć w rozwijającej się elektroenergetycznej sieci przesyłowej przy wykorzystaniu środowiska MATLAB i Simulink (Eng. Searching for discoveries in the developing power transmission network using the MATLAB and Simulink environments). Studia Informatica. Systems and Information Technology. No 2, Vol. 1, pp. 101-109, 2003.
• 25. Trajer J., Janaszek-Mańkowska M., Mańkowski D. R., Komputerowa analiza danych w badaniach naukowych (Eng. Computer data analysis in scientific research), Wyd. SGGW, Warszawa 2016.
• 26. Walesiak M., Dudek A., ClusterSim package, R-Project, 2011.
• 27. Witten I.H., Frank E., Data Mining: Practical Machine Learning Tools and Techniques. IEEE, 2011.
• 28. Wierzchoń S., Kłopotek M., Algorytmy analizy skupień (Eng. Cluster analysis algorithms). PWN, Warszawa 2017.
• 29. Zhang, E. A., Graph degree linkage: Agglomerative clustering on a directed graph. 12th European Conference on Computer Vision, Florence, Italy 2012.
• Internet Sources
• 30. https://www.pse.pl
• 31. https://www.mathworks.com
• 32. https://www.is.umk.pl/~duch/indexpl.html