Algorytm Ewolucyjny inspirowany informatyką kwantową do poprawy parametrów modelu neuralnego wyznaczania cen na Towarowej Giełdzie Energii Elektrycznej notowanych na RDN

• Autorzy: Tchórzewski Jerzy , Ruciński Dariusz

Identyfikatory

DOI

10.21008/j.1897-0737.2019.100.0011

Warianty tytułu

EN

Evolutionary Algorithm inspired by quantum information technology to improve the parametrers of the neural piice setting model on the Polish Power Exchange traded on the DAM

• Konferencja: Computer Applications in Electrical Engineering (15-16.04.2019 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł zawiera wybrane wyniki badań dotyczące istoty i implementacji Algorytmu Ewolucyjnego inspirowanego obliczeniami kwantowymi do poprawy parametrów modelu neuralnego wyznaczającego ceny na Towarowej Giełdzie Energii Elektrycznej. Do uczenia Sztucznej Sieci Neuronowej modelu systemu wykorzystano dane liczbowe notowane na Rynku Dnia Następnego w okresie od 01 stycznia 2015 r. do 30 czerwca 2015 r. Szczególną uwagę zwrócono na sposób systemowego tworzenie Populacji Początkowej oraz na sposób systemowego tworzenie funkcji krzepkości (funkcji przystosowania), a na tej bazie na metodę kwantyzacji, dekwantyzacji i obliczeń kwantowych przeprowadzonych z wykorzystaniem pojęcia kwantowej liczby mieszanej i rachunku wektorowo-macierzowego. Uzyskano znaczącą poprawę modelu neuralnego wspomaganego algorytmem ewolucyjnym inspirowanym kwantowo w stosunku do modelu neuralnego wspomaganego algorytmem ewolucyjnym bez inspiracji kwantowej.

EN

The paper contains selected research results on the nature and implementation of the Evolutionary Algorithm inspired by quantum computation to improve the parameters of the neural model determining prices at the Polish Power Exchange. To learn the Artificial Neural Network system model, the figures quoted on the Commodity Electricity Market of the Day-Ahead Market were used in the period from January 1, 2018 to June 30, 2018. Particular attention was paid to the systemic creation of the Initial Population and the systemic creation of the function of solidification (function adaptation), and on this basis, the quantization, dequantization and quantum computation methods carried out using the quantum concept of a mixed number. Significant improvement of the neural model supported by quantum-inspired evolutionary algorithm in relation to the model without quantum inspiration was obtained.

Słowa kluczowe

PL

algorytm ewolucyjny; dekwantyzacja; kwantowa liczba mieszana; kwantyzacja; obliczenia kwantowe; Rynek Dnia Następnego; sztuczna sieć neuronowa; Towarowa Giełda Energii Elektrycznej

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2019
• Tom: No. 100
• Strony: 121--132
• Opis fizyczny: Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Tchórzewski Jerzy

• Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach

autor

Ruciński Dariusz

• Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach

Bibliografia

• [1] Arabas J., Wykłady z Algorytmów Ewolucyjnych. WNT Warszawa, ISBN: 8320429706, 2016, s. 303.
• [2] Ciechulski T., Osowski S., Badanie jakości predykcji obciążeń elektroenergetycznych za pomocą sieci neuronowych SVM, RBF i MLP”, Przegląd Elektrotechniczny, R. 90, nr 8, 2014, s. 148–151.
• [3] Dudek-Dyduch E., Tadeusiewicz R., Horzyk A., Neural network adaptation proces effectiveness dependent of constant training data availability, Neurocomputing, Volume 72, Issues 13–15, 2019, pp. 3138–3149.
• [4] Korbicz J., Obuchowicz A., Uciński D., Sztuczne sieci neuronowe: podstawy i zastosowania, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994.
• [5] Kim J., Han K., (2002), Quantum-inspired evolutionary algorithm for a class of combinatorial optimization, IEEE Transactions on Evolutionary Computation, Volume: 6, Issue: 6, 2002, pp. 580-593, Lewestein M. (1994), Quantum Perceptrons, Journal of Modern Optics 41 (12), pp. 2491–2501.
• [6] Mielczarski W., Rynki energii elektrycznej. Wybrane aspekty techniczne i ekonomiczne, ARE, Warszawa, 2000, s.308.
• [7] Obuchowicz A., Algorytmy Ewolucyjne z mutacją stabilną, Exit, 2013, ISBN 978-83-7837-020-8.
• [8] Osowski S., Sieci neuronowe do przetwarzania informacji, OWPW, Warszawa, 2013, s. 422.
• [9] Ruciński D., Modelowanie neuronalne cen na Towarowej Giełdzie Energii Elektrycznej wspomagane algorytmem ewolucyjnym oraz inspirowane obliczeniami kwantowymi, rozprawa doktorska pod kierunkiem dr hab. inż. Jerzego Tchórzewskiego, prof. UPH w Siedlcach, IBS PAN, Warszawa 2018.
• [10] Ruciński D., The neural modeling in chosen task of Electric Power Stock Market. Studia Informatica. Systemy i technologie informacyjne, No 1-2, 2017, pp. 1–22.
• [11] Ruciński D., Neural-evolutionary Modeling of Polish Electricity Power Exchange. Electrical Power Networks, EPNet 2016, XPlore Digital Library, 2016 r., pp. 1–6.
• [12] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa, 1997, s. 410.
• [13] Sawerwain M., Wiśniewska J., Informatyka kwantowa. Wybrane Obwody i Algorytmy, PWN Warszawa, 2015, s. 370.
• [14] Tadeusiewicz R., Neural Networks In Mining Sciences – General Overview And Some Representative Examples, Mining Science, Volume 60, Nr 4, 2015, pp. 971–984.
• [15] Tchórzewski J., Systemowy Algorytm Ewolucyjny (SAE), Bio-Algorithms and Med-Systems, Vol. 1, No 1/2, Collegium Medicum. Jagiellonian University, Cracow, 2005, s. 61–64.
• [16] Tchórzewski J., Identification of the Electrical Energy Stock Exchange and creating knowledge maps using MATLAB environment with SIT and NNT Toolboxes, Energy Market, EEM 2009 6th International Conference on the European, IEEE Xplore Digital Library, pp. 1–6.
• [17] Tchórzewski J., Ruciński D., Systemic Method of the ANN Improvement Using Evolutionary Algorithm Inspired by Quantum Solutions Based on the Electrical Power Exchange. 2018 Progress in Applied Electrical Engineering (PAEE), IEEE Conferences, XPlore Digital Library, DOI: 10.1109/PAEE.2018.8441064, pp. 1–5.
• [18] Tchórzewski J., Ruciński D., Neural modeling of the electric power stock market in useage of MATLAB and Simulink tools for the Day Ahead Market data, Information System in Management, Vol. 5, No. 2/2016, pp. 215–226.
• [19] Tchórzewski J., Ruciński D., Quantum Evolutionary Algorithm to Improve Parameters of Neural Models of Polish Electricity Power Exchange. Electrical Power Networks, EPNet 2016, XPlore Digital Library, pp. 1–8.
• [20] Tchórzewski J., Ruciński D., Evolutionary Algorithm Inspired by the Methods of Quantum Computer Sciences for the Improvement of a Neural Model of the Electric Power Exchange. Information System in Management, Vol. 6, No. 4/2017, SGGW, pp. 343–355.
• [21] Tchórzewski J., Ruciński D., Modeling and Simulation Inspired of Quantum Methods on Examples Polish Energy Power Market. IEEE XPlore Digital Library 2017 Progress in Applied Electrical Engineering (PAEE).
• [22] Tchórzewski J., Ruciński D., Quantum Inspired Evolutionary Algorithm to Improve the Accuracy of a Neuronal Model of the Electric Power Exchange. IEEE EUROCON 2017, 17th International Conference on Smart Technologies, IEEE XPlore Digital Library, Ohrid, R. Macedonia, pp. 638–643.
• [23] Tchórzewski J., Ruciński D., Quantum-inspired Artificial Neural Networks and Evolutionary Algorithms Methods Applied to Modeling of the Polish Electric Power Exchange Using the Day-ahead Market Data. Information Systems in Management, Vol. 7, nr 3, 2018, pp. 201–212.
• [24] Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, PWN, Warszawa, 1996, s. 374.

Uwagi

Angielska wersja tytułu zgodna z zamieszczoną w czasopiśmie.

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