Quantum inspiration to build a neural model based on the Day-Ahead Market of the Polish Power Exchange

• Autorzy: Ruciński Dariusz

Identyfikatory

DOI

10.34739/si.2021.25.02

• Języki publikacji: EN

Abstrakty

EN

The article is an attempt of the methodological approach to the proposed quantum-inspired method of neural modeling of prices quoted on the Day-Ahead Market operating at TGE S.A. In the proposed quantum-inspired neural model it was assumed, inter alia, that it is composed of 12 parallel Perceptron ANNs with one hidden layer. Moreover, it was assumed that weights and biases as processing elements are described by density matrices, and the values flowing through the Artificial Neural Network of Signals are represented by qubits. Calculations checking the correctness of the adopted method and model were carried out with the use of linear algebra and vector-matrix calculus in MATLAB and Simulink environments. The obtained research results were compared to the results obtained from the neural model with the use of a comparative model.

Słowa kluczowe

EN

Neural Modeling; day-ahead market; Polish power exchange; mean square error; determination index; quantum inspired neural model

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2021
• Tom: Vol. 1-2(25)
• Strony: 23--37
• Opis fizyczny: Bibliogr. 37 poz., rys., tab.

Twórcy

autor

Ruciński Dariusz

• PhD Student at Institute of Computer Science, 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. Beale M. H. [at all]: Neural Network Toolbox™ User's Guide, by The MathWorks, Inc, 1992-2020, pp. 846.
• 2. Bernhardt Ch.: Obliczenia kwantowe dla każdego (English: Quantum computing for everyone). WN PWN, Warszawa 2020, stron 202.
• 3. Chudy. M.: Wprowadzenie do informatyki kwantowej (English: Introduction to quantum computing). AOW EXIT, Warszawa 2012, stron 84.
• 4. Faliński M.: Wstęp do sztucznej inteligencji (English: Introduction to artificial intelligence). WN PWN, Warszawa 2020, stron 332.
• 5. Giaro K., Kamiński M.: Wprowadzenie do algorytmów kwantowych (English: Introduction to quantum algorithms). AOW EXIT, Warszawa 2003, stron 165.
• 6. Hirvensalo M.: Algorytmy kwantowe (English: Quantum algorithms ). WSiP, Warszawa 2004, stron 244.
• 7. Jankowski N.: Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę (English: Ontogenic neural networks. With networks changing their structure). AOW EXIT, Warszawa 2003, stron 312.
• 8. Johnston E. R., Harrigan N., Gimeno-Segovia M.: Komputer kwantowy. Programowanie, algorytmy, kod (English: Quantum computer. Programming, algorithms, code). Hellion, Warszawa 2020, stron 278.
• 9. Kosiński R. A.: Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos (English: Artificial neural networks. Nonlinear dynamics and chaos). WNT, Warszawa 2002, stron 195.
• 10. Korbicz J., Obuchowicz A., Uciński D.: Sztuczne sieci neuronowe. Podstawy I zastosowania (English: Artificial neural networks. Basics and applications), Problemy Współczesnej Nauki. Teoria i zastosowania, Informatyka, AOW PLJ, Warszawa 1994, stron 251.
• 11. Mańdziuk J.: Sieci neuronowe typu Hoppfielda (English: Hoppfield neural networks). Teoria i przykłady zastosowań. AOW EXIT, Warszawa 2000, stron 262.
• 12. Marecki J.: Metody sztucznej inteligencji (English: Artificial intelligence methods), WSIiZ, Bielsko-Biała 2001, stron 115.
• 13. Monteiro, [at all]: Short-Term Price Forecasting Models Based on Artificial Neural Networks for Intraday Sessions in the Iberian Electricity Market. Energies, No. 9, 721/2016, stron 24.
• 14. Obuchowicz A., Patan K.: Sieć neuronów dynamicznych jako generator residuów. Optymalizacja architektury (English: Dynamic neuron network as a residual generator. Architecture optimization). Materiały III Konferencji nt. "Diagnostyka procesów przemysłowych", Gdańsk-Jurata 1998, s. 101-106.
• 15. Osowski S.: Sieci neuronowe do przetwarzania informacji (English: Neural networks for information processing). OW PW, Warszawa 2013, stron 422.
• 16. Patterson J., Gibson A.: Deep Learning. Praktyczne wprowadzenie (English: Deep Learning. A practical introduction), Helion, Warszawa 2017, stron 451.
• 17. Ruciński D.: Neural modelling of electricity prices quoted on the Day-Ahead Market of TGE SA shaped by environmental and economic factors. Studia Informatica. System and Information Technology, Vol. 1-2(24)2020, pp 25-35.
• 18. Ruciński D.: The Influence of the Artificial Neural Network Type on the Quality of Learning on the Day-Ahead Market Model at Polish Electricity Exchange Join-Stock Company, Studia Informatica. System and Information Technology, Vol. 1-2(23)2019, pp. 77-93.
• 19. Ruciński D.: Modelowanie neuronalne cen na Towarowej Giełdzie Energii Elektrycznej wspomagane algorytmem ewolucyjnym oraz inspirowane obliczeniami kwantowymi (English: Price neural modeling on the Polish Power Exchange supported by an evolutionary algorithm and inspired by quantum calculations). Rozprawa doktorska pod kierunkiem dr hab. inż. Jerzego Tchórzewskiego, prof. UPH w Siedlcach, IBS PAN, Warszawa 2018, str. 137.
• 20. Ruciński D.: The neural modelling in chosen task of Electric Power Stock Market. Studia Informatyka. System and Information Technology. Vol. 1-2(21)2017. Publishing House of University of Natural Science, pp. 1-22.
• 21. Ruciński D., Tchórzewski J.: Neural modeling of the electric power stock market in usage of MATLAB and Simulink tools for the day ahead market data. Journal of Information System in Management, Vol. 5 (2)2016, pp. 215-226.
• 22. Ruciński D.: Neural-evolutionary Modeling of Polish Electricity Power Exchange. Electrical Power Networks, EPNet 2016, Katedra Energoelektryki PWr., Institute of Power Engineering and Control Systems of Lviv Polytechnic National University, Ukraine and O/Wrocławski SEP, XPlore Digital Library, Szklarska Poręba 2016 r., pp. 1-6.
• 23. Ruciński D., Kłopotek M., Tchórzewski J.: Self-Organizing Wireless Ad-hock Sensor Networks. Studia Informatica. Systems and Information Technology, Volume: 1(5)2005, Publishing House of University of Podlasie, pp. 69-80.
• 24. Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte (English: Neural networks, genetic algorithms and fuzzy systems), WN PWN, Warszawa – Łódź 1997, stron 411.
• 25. Rutkowski L.: Metody i techniki sztucznej inteligencji (English: Methods and techniques of artificial intelligence). WN PWN, Warszawa 2020, stron 435.
• 26. Sawerwain M., Wiśniewska J.: Informatyka kwantowa. Wybrane obwody i algorytmy (English: Quantum informatics. Selected circuits and algorithms). WN PWN, Warszawa 2015, stron 371.
• 27. Sengupta, S. (2014-02): Neural Networks and Applications. http://nptel.ac.in/courses/117105084 [dostęp: 15-08-2017, 04-02-2021].
• 28. Tadeusiewicz R.: Archipelag Sztucznej Inteligencji (English: The Artificial Intelligence Archipelago). AOW EXIT, Warszawa 2021, stron 125.
• 29. Tadeusiewicz R., Korbicz J., Rutkowski L., Duch W.: Sieci neuronowe w inżynierii biomedycznej (English: Neural networks in biomedical engineering). Seria: Inżynieria biomedyczna. Podstawy i zastosowania, tom 9, Akademicka OW EXIT, Warszawa 2013, str. 746.
• 30. Tadeusiewicz R.: Biocybernetyka. Metodologiczne podstawy dla inżynierii biomedycznej (English: Biocybernetics. Methodological foundations for biomedical engineering). WN PWN, Warszawa 2013, str. 236.
• 31. Tchórzewski J.: Metody sztucznej inteligencji i informatyki kwantowej w ujęciu teorii sterownia i systemów (English: Methods of artificial intelligence and quantum computing in terms of the theory of control and systems). WN UPH, Siedlce 2021, stron 343.
• 32. Tchórzewski J., Ruciński D.: Evolutionaly-Supported and Quantum-Inspired Neural Modeling Applied to the Polish Electric Power Exchange. 2019 Progress in Applied Electrical Engineering (PAEE), IEEE Digital Library, Kościelisko 2019, pp. 1-8.
• 33. Tchórzewski J., Ruciński D., Domański P.: Artificial neural network inspired by quantum computing solutions using the movement model of the PR-02 robot. ITM Web of Conferences 19/2018, pp. 1-2.
• 34. Tchórzewski J.; Cybernetyka życia i rozwoju systemów (English: Cybernetics of life and systems development). Wyd. WSRP, Siedlce 1992, stron 408.
• 35. Tchórzewski J., Kłopotek M.: A case study in neural network evolution. Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk, Nr 943/2001, pp. 1-12.
• 36. Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Podstawy teorii i zastosowania (English: Artificial neural networks. Fundamentals of theory and application), WN PWN, Warszawa 1996, stron 375.
• 37. www.tge.pl – the website of Polish Power Exchane [access: 15-08-2017, 04-02-2021.