Zastosowanie algorytmów sztucznych sieci neuronowych do prognozowania zużycia energii elektrycznej

• Autorzy: Włas M.

Warianty tytułu

EN

Application artificial neural networks for electricity prediction

• Konferencja: XXVI cykl seminarów zorganizowanych przez PTETiS Oddział w Gdańsku ZASTOSOWANIE KOMPUTERÓW W NAUCE I TECHNICE 2016 (XXVI; 2016; Gdańsk)
• Języki publikacji: PL

Abstrakty

PL

W artykule przestawiono algorytm przewidywania zużycia energii elektrycznej budynków mieszkalnych z wykorzystaniem informacji o produkcji i warunkach atmosferycznych. W artykule została zaproponowana własna metoda predykcji z wykorzystaniem wielowarstwowej jednokierunkowej sztucznej sieci neuronowej. W pracy zostały przedstawione podstawowe pojęcia z zakresu sieci neuronowych oraz testy działania programu prognozującego na podstawie rzeczywistych danych pomiarowych. Głównym zadaniem badawczym było sprawdzenie dokładności algorytmu predykcji do prognozowania zużycia energii elektrycznej. Ma to na celu uzyskanie programu, którego wyniki o charakterze ilościowym będą wykorzystywane do prognozowania potrzeb zakupowych na TGE (Towarowej Giełdzie Energii) przy udziale metody zakupu energii elektrycznej na Rynku Dnia Następnego.

EN

This paper presents a flexible approach to forecasting of energy consumption in residential buildings, using time series analysis and neural networks. Our goal is to develop a one day-ahead forecasting model based on an artificial neural network using information about temperature of air. The article has been proposed neural network prediction method using a multilayered feed-forward artificial neural network with the backpropagation training algorithm. Experimental results have showed that the proposed neural network can faithfully reproduce the curve of daily energy consumption with a percentage error less than 3.74%.

Słowa kluczowe

PL

prognozowanie zużycia energii; sztuczne sieci neuronowe

EN

forecasting energy consumption; artificial neural network

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2016
• Tom: Nr 51
• Strony: 217--220
• Opis fizyczny: Bibliogr. 6 poz., rys., tab., wykr.

Twórcy

autor

Włas M.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki tel: [phone]

Bibliografia

• 1. Rynek Energii Elektrycznej i Gazu W Polsce. Stan na 31 marca 2016 r. Raport Towarzystwa Obrotu Energią 20 kwietnia 2016 r. [dostęp on-line dnia 21.09.2016: www.toe.pl ]
• 2. „Rynek energii elektrycznej,” 4 Listopada 2014r. [dostęp on-line: http://www.rynek-energii-elektrycznej.cire.pl/]
• 3. K. Zając, „Zarys metod statystycznych”, Warszawa: PWE, 1988.
• 4. T. Rubanowicz: „Metody predykcji produkcji mocy parku wiatrowego” Zastosowanie Komputerów w Nauce i Technice’ 2008”, Referat nr 33, Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki PG, ISSN 1425-5766, Nr 25/2008, Gdańsk.
• 5. Qu Shilin, Sun Zhifeng: “BP Neural Network for the Prediction of Urban Building Energy Consumption Based on Matlab and its Application” Computer Modeling and Simulation, 2010. ICCMS '10. Second International Conference on (Volume:2 ). Sanya, Hainan: IEEE, 2010. Str. 263 - 267.
• 6. Szmit A.: „Prognozowanie zapotrzebowania na energię elektryczną studium empiryczne dla Regionu Łódzkiego”, Zastosowanie metod statystycznych w badaniach naukowych III, Statsoft Polska 2008 http://www.statsoft.pl/portals/0/Downloads/Prognozowanie_zapotrzebowania.pdf

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.