Ocena wpływu wyodrębnienia składowej stałej na jakość prognozy obciążeń elektroenergetycznych

• Autorzy: Ciechulski T. , Osowski S.

Warianty tytułu

EN

The new approach to the issue of power load forecasting in a small system in Poland

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawione zostało nowe podejście do prognozowania zapotrzebowania na energię elektryczną w małym systemie elektroenergetycznym w Polsce. W rozwiązaniu problemu wykorzystano dekompozycję obciążeń 24-godzinnych na składową stałą oraz zmienną. Główny wysiłek badawczy został skierowany na predykcję wektora 24-elementowego składowej zmiennej.

EN

This paper presents new approach to the issue of power load forecasting in a small system in Poland. The load is decomposed into two components: the mean value of the day and the variable part. The main problem is prediction of 24-hour load pattern of the variable term and this paper is concerned mainly on this task.

Słowa kluczowe

PL

prognozowanie obciążeń; eksploracja danych; składowa zmienna obciążenia; sieć neuronowa

EN

power load; forecasting; variable component; data mining; neural network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 10
• Strony: 197--200
• Opis fizyczny: Bibliogr. 8 poz., tab., wykr.

Twórcy

autor

Ciechulski T.

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, Zakład Systemów Informacyjno-Pomiarowych, ul. Kaliskiego 2, 00-908 Warszawa

autor

Osowski S.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno- Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa oraz Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, Zakład Systemów Informacyjno-Pomiarowych, ul. Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] T. Ciechulski: Data clusterization in application to the analysis of load distribution in small power system, 5th AFCEA Student Conference & 10th International Electronic and Telecommunication Conference of Students and Young Scientists SECON 2013.
• [2] T. Ciechulski, S. Osowski, Badanie jakości predykcji obciążeń elektroenergetycznych za pomocą sieci neuronowych SVM, RBF i MLP, Przegląd Elektrotechniczny, R. 90, Nr 8/2014, pp. 148-151.
• [3] T. Ciechulski, Prognozowanie obciążeń dla systemu dostarczania energii z uwzględnieniem warunków pogodowych, Logistyka, Nr 6/2014, pp. 2759-2768.
• [4] N. Kandil, R. Wamkeue, M. Saad, S. Georges, An efficient approach for short term load forecasting using artificial neural networks, Electrical Power and Energy Systems, vol. 28, 2006, pp. 525-530.
• [5] Z. Kowalski: Podstawy prognozowania elektroenergetycznego, Łódź 1980.
• [6] P. Mandal, T. Senjyu, N. Urasaki, T. Funabashi, A neural network based several hours ahead electric load forecasting using similar days approach, Electrical Power and Energy Systems, vol. 28, 2006, pp. 367-373.
• [7] Matlab manual, user’s guide, MathWorks, Natick, 2002.
• [8] S. Osowski: Metody i narzędzia eksploracji danych, BTC 2013.