Cluster analysis on the example of work data of the National Power System. Part 1, Comparative study of methods and conditions

• Autorzy: Tchórzewski Jerzy , Kania Tomasz

Identyfikatory

DOI

10.34739/si.2019.23.02

• Języki publikacji: EN

Abstrakty

EN

The paper presents the results of the research on the comparative study of the methods of cluster analysis and conditions, which was carried out from the point of view of their use, on the example of data concerning the operation of the National Power System. Two algorithms were used for the clustering analysis, i.e. the Ward algorithm and the algorithm of self-organizing two-dimensional maps. Cluster analysis was preceded by a review of hierarchical and non-hierarchical methods of data analysis and a description of the prepared experiment. The obtained results were interpreted. The work consists of two parts published under the same main title with different subtitles. This part 1 presents the results of the conducted review of selected methods of cluster analysis and the research conditions resulting from the adopted data on the operation of the National Power System. Part 2 presents the cluster analysis process and selected research results and their discussion.

Słowa kluczowe

EN

cluster analysis; National Electric Power System; MATLAB and Simulink environment; ward's algorithm; self-organizing map

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2019
• Tom: Vol. 1-2(23)
• Strony: 25--41
• Opis fizyczny: Bibliogr. 31 poz.

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

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

Bibliografia

• [1] Cichosz P.: Systemy uczące się, WNT, Warszawa 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 2/2014, pp. 364-371.
• [3] Długosz M.: Materiały dydaktyczne do przedmiotu „Analiza danych pomiarowych. Część IX - Analiza skupień”, AGH, Kraków 2015, str. 2-6.
• [4] Duraj A., Krawczyk A.: Dobór miar odległości w hierarchicznych aglomeracyjnych metodach wykrywania wyjątków, Przegląd Elektrotechniczny, R. 87 NR 12b, 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. Rozprawa doktorska pod kierunkiem prof. dr hab. inż. Tomasza Sikorskiego, Wydział Elektryczny PWr., Wrocław 2019.
• [6] Kania T.: Analiza danych z wykorzystaniem analizy skupień na przykładzie Krajowego Systemu Elektroenergetycznego. Praca magisterska pod kierunkiem dr hab. inż. Jerzego Tchórzewskiego, prof. UPH w Siedlcach, 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, wydanie 2, EXIT, Warszawa 2008.
• [9] Larose D.: Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, WN PWN, Warszawa 2006.
• [10] Migdał-Najman K., Najman K.: Analiza porównawcza wybranych metod analizy skupień w grupowaniu jednostek o złożonej strukturze grupowej, 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, PWN, Warszawa 2007.
• [13] Osowski S.: Metody i narzędzia eksploracji danych. Wyd. BTC. Legionowo 2017.
• [14] Płoński P.: Zastosowanie wybranych metod przekształcenia i selekcji danych oraz konstrukcji cech w zadaniach klasyfikacji i klasteryzacji. Rozprawa doktorska pod kierunkiem prof. dr hab. inż. Krzysztofa Zaremby, 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. Vol. 1 No. 21/2017.
• [16] Skorzybut M., Krzyśko M., Górecki T., Wołyński W.: Systemy uczące się. Rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości. WNT. Warszawa 2009.
• [17] Szeliga M.: Praktyczne uczenie maszynowe. PWN, Warszawa 2019.
• [18] Tchórzewski J., Jezierski J.: Cluster Analysis as a Preliminary Problem Neural Modelling of the Polish Power Exchange, Information Systems in Management, Vol. 8/2019 (1), pp. 69-81.
• [19] Tchórzewski J.: Rozwój system elektroenergetycznego w ujęciu teorii sterowania i systemów. OW PWr., Wrocław 2013.
• [20] 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)/2005, pp. 35-47.
• [21] Tchórzewski J., Kłopotek M., Kujawiak M.: Studium porównawcze metod prowadzenia odkryć. Studia Informatica. Systems and Information Technology. Vol. 1(4)/2004, pp. 105-122.
• [22] Tchórzewski J., Kwiczak I.: Mapowanie informacji z baz danych za pomocą sieci neuronowych samoorganizujących się. Studia Informatica. Systems and Information Technology. Vol. 1(3)/2004, pp. 99-105.
• [23] Tchórzewski J., Zarzycki I., Soćko M.: Poszukiwanie odkryć w rozwijającej się elektroenergetycznej sieci przesyłowej przy wykorzystaniu środowiska MATLAB i Simulink. Studia Informatica. Systems and Information Technology. Vol. 1(2)/2003, pp. 101-109.
• [24] Trajer J., Janaszek-Mańkowska M., Mańkowski D. R.: Komputerowa analiza danych w badaniach naukowych, Wyd. SGGW, Warszawa 2016.
• [25] Walesiak M., Dudek A.: ClusterSim package, R-Project, 2011.
• [26] Witten I.H., Frank E.: Data Mining: Practical Machine Learning Tools and Techniques, IEEE, 2011.
• [27] Wierzchoń S., Kłopotek M.: Algorytmy analizy skupień, PWN, Warszawa 2017.
• [28] Zhang, E. A.: Graph degree linkage: Agglomerative clustering on a directed graph, 12th European Conference on Computer Vision, Florence Italy 2012.
• Internet sources:
• [29] https://www.pse.pl
• [30] https://www.mathworks.com
• [31] http://kognitywistyka.uwb.edu.pl