Prognozowanie dobowej produkcji energii elektrycznej przez turbinę wiatrową z horyzontem 1 doby

• Autorzy: Baczyński D. , Piotrowski P.

Warianty tytułu

EN

A one day ahead forecasting of twenty-four-hour electric energy production for wind turbine

• Języki publikacji: PL

Abstrakty

PL

W tekście przedstawiono analizę statystyczną danych mogących mieć znaczenie w procesie prognozowania dobowej produkcji energii przez turbinę wiatrową. Wykonano przykładowe prognozy oraz sformułowano wnioski końcowe.

EN

The paper presents statistical analysis of data potentially useful in wind electric energy forecasting process for wind turbine. Examples of predictions have been executed and the final conclusions have been presented.

Słowa kluczowe

PL

turbina wiatrowa; analiza statystyczna danych; prognozowanie krótkoterminowe; sztuczna sieć neuronowa; optymalizacja rojem cząstek

EN

wind turbine; statistical analysis of data; short term forecasting; artificial neural network; particle swarm optimization (PSO)

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 9
• Strony: 113--117
• Opis fizyczny: Bibliogr. 31 poz., tab., wykr.

Twórcy

autor

Baczyński D.

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa

autor

Piotrowski P.

• Politechnika Warszawska, Instytut Elektroenergetyki, ul. Koszykowa 75, 00-662 Warszawa

Bibliografia

• [1] Baczyński D., Parol M.: Short-term electric energy consumption forecasting using artificial neural networks aided by evolutionary algorithms, Przegląd Elektrotechniczny (Electrical Review), 85 (2009), nr.3, 204-207
• [2] Baczyński D., Wasilewski J.: Krótkoterminowe prognozowanie produkcji energii elektrycznej w systemach fotowoltaicznych, Rynek Energii, 96 (2011), nr.5, 47-51.
• [3] Baczyński D., Zastosowanie algorytmu optymalizacji rojem cząstek w procesie uczenia sztucznej sieci neuronowej w prognozowaniu krótkoterminowym, Rynek Energii, nr 4/2010, 52-56
• [4] Baczyński D., Piotrowski P.: Analiza skuteczności algorytmów PSO w szacowaniu jakości prognoz godzinowego zapotrzebowania na energię elektryczną wybranych grup odbiorców, Przegląd Elektrotechniczny (Electrical Review), 87 (2012), nr.11a, 25-29.
• [5] Del Valle Y. et al., Particle Swarm Optimization: Basic Concepts, Variants and Applications in Power Systems, IEEE Transactions on Evolutionary Computation, vol. 12, no. 2, april 2008, 171-195.
• [6] Dobrzańska I., Dąsal K., Łyp J., Popławski T., Sowiński J.: Prognozowanie w elektroenergetyce. Zagadnienia wybrane. Wydawnictwo Politechniki Częstochowskiej, Częstochowa (2002).
• [7] Dudek G.: Systemy uczące się oparte na podobieństwie obrazów do prognozowania szeregów. Akademicka Oficyna Wydawnicza Exit, Warszawa (2012).
• [8] Ernst. B. et al.: Predicting the Wind, IEEE Power & Energy Mag. Nov/Dec.2007, str.79-89.
• [9] Helt P., Parol M., Piotrowski P.: Metody sztucznej inteligencji w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa (2000)
• [10] Helt P., Parol M., Piotrowski P.: Metody sztucznej inteligencji. Przykłady zastosowań w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2012.
• [11] Jing S. et al.: Evaluation of hybrid forecasting approaches for wind speed and power generation time series, Renewable and Sustainable Energy Reviews , January 2012, volume 16 (5).
• [12] Kacejko P., Wydra M.: Energetyka wiatrowa w Polsce – realna ocena możliwości wytwórczych, Rynek Energii, 6/2010, 100-104.
• [13] Malko J.: „Predykcja mocy wytwórczych elektrowni wiatrowych”, Przegląd Elektrotechniczny, 84 (2008), nr.9, 65-67.
• [14] Malko J.: Zastosowanie prognozowania krótkoterminowego i inteligentnego sterowania predyktywnego do zarządzania pracą elektrowni wiatrowych, Nowa Energia, 30 (2012), nr.6, 40-44.
• [15] Methaprayoon, K, et.al.: An Integration of ANN Wind Power Estimation Into Unit Commitment Considering the Forecasting Uncertainty, Industry Applications, IEEE Transactions on, November 2007, volume 43
• [16] Piotrowski P.: Analiza statystyczna danych mających wpływ na produkcję energii elektrycznej przez farmę wiatrową oraz przykładowe prognozy krótkoterminowe, Przegląd Elektrotechniczny (Electrical Review) , 88 (2012), nr.3a, 161-164.
• [17] Piotrowski P.: Analiza statystyczna oraz prognozy dobowej produkcji energii przez farmę wiatrową z horyzontem 1 doby, Elektro.info nr. (103) 2012, nr.4, 48-52.
• [18] Piotrowski P.: Analiza statystyczna oraz prognozy godzinowej produkcji energii przez elektrownię wiatrową z horyzontem 1 godziny, Elektro.info, 103 (2012), nr.3 90-95.
• [19] Piotrowski P.: Prognozowanie krótkoterminowe godzinowych obciążeń w spółce dystrybucyjnej z wykorzystaniem sieci neuronowych – analiza wpływu doboru i przetworzenia danych na jakość prognoz, Przegląd Elektrotechniczny (Electrical Review), 83 (2007), nr.7-8, 40-43.
• [20] Piotrowski P.: Neural network with genetic algorithms for the monthly electric energy consumption and peak power middle - term forecasting, Journal of Applied Computer Science, JACS 2002, vol.10, No. 1, Technical University Press Łódź (2002), 105-116.
• [21] Piotrowski P.: “The optimum selection of data for forecasts of demand on electric energy consumption for different time horizons”, 2nd International Youth Conference on Energetics (2009), Budapeszt 4-6 czerwca 2009.
• [22] Popławski T.: Wybrane zagadnienia prognozowania długoterminowego w systemach elektroenergetycznych, Wydawnictwo Politechniki Częstochowskiej, Częstochowa 2012.
• [23] Popławski T., Dąsal K., Łyp J., Szeląg P.: Zastosowanie modeli ARMA do przewidywania mocy i energii pozyskiwanej z wiatru, Polityka Energetyczna, 13 (2010), nr.2, 511-523,
• [24] Popławski T., Dąsal K., Łyp J.: Problematyka prognozowania mocy i energii pozyskiwanych z wiatru, Polityka Energetyczna, 12 (2009), 2/2, 385-400,
• [25] Popławski T., Dąsal K., Rusek K.: Predykcja dobowej produkcji energii elektrycznej na farmie wiatrowej, Rynek Energii, 1 (2009), 319-323,
• [26] Riccardo P., Analysis of the Publications on the Applications of Particle Swarm Optimisation, Journal of Artificial Evolution and Applications, vol. 2008, Article ID 685175, 10 pages, 2008. doi:10.1155/2008/685175.
• [267 Sideratos, G: An Advanced Statistical Method for Wind Power Forecasting, Power Systems, IEEE Transactions on, February 2007, volume 22.
• [28] Venayagamoorthy G.K., Rohring K., Erlich I.: Short term wind Power Forecasting and Intelligent Predictive Control, IEEE Power & Energy Mag., vol.10, no.3, Aug. (2011), 71-78.
• [29] Trojanowski K., Metaheurystyki praktycznie, Wydanie 2, poprawione, Wyższa Szkoła Informatyki Stosowanej i Zarządzania, Warszawa 2008.
• [30] http://www.kulak.com.pl
• [31] http://anemos.cma.fr/