Model prognostyczny zapotrzebowania na ciepło z wykorzystaniem struktur sztucznych sieci neuronowych

• Autorzy: Aleksiejuk P.

Warianty tytułu

EN

Heat demand forecasting model based on artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

W ramach niniejszej pracy opracowano numeryczny model prognostyczny oparty na strukturze sieci neuronowych wyliczający wartość zapotrzebowania na ciepło wszystkich odbiorców przyłączonych do sieci ciepłowniczej w zależności od parametrów wejściowych. W pracy opisano proces analizy, korekty oraz podziału danych uczących. Ponadto, zbadano jakość prognozy pochodzącej z opracowanego modelu na potrzeby planowania produkcji ciepła w horyzoncie prognozy wynoszącym 24 lub 48 godzin w zależności od zastosowanej struktury sieci neuronowej.

EN

The aim of this thesis was to formulate numerical predictive model based on artificial neural networks structure that counts the value of heat demand depending on input parameters for all receivers connected to district heating system. The paper contains descriptions of data analysis, correction and division of training dataset. What is more, the quality of forecast obtained from developed model was investigated for planning the heat production in 24 or 48 hour prognosis horizon depending on applied structure of neural network.

Słowa kluczowe

PL

ciepłownictwo; model prognostyczny; sztuczne sieci neuronowe

EN

district heating; forecasting model; artificial neural network

• Wydawca: Ośrodek Informacji "Technika instalacyjna w budownictwie''
• Czasopismo: Instal
• Rocznik: 2016
• Tom: nr 2
• Strony: 13--15
• Opis fizyczny: Bibliogr. 7 poz., tab., wykr., wzory

Twórcy

autor

Aleksiejuk P.

• Wydział Mechaniczny Energetyki i Lotnictwa, Instytut Techniki Cieplnej, Zakład Maszyn i Urządzeń Energetycznych, Politechnika Warszawska

Bibliografia

• [1] „Przedsiębiorstwo Komunalne Therma Bielsko-Biała – dostarczanie ciepła na cele ogrzewania i wentylacji Bielsko.” Przedsiębiorstwo Komunalne Therma Bielsko-Biała – dostarczanie ciepła na cele ogrzewania i wentylacji Bielsko. http://www.therma.bielsko.pl/system_cieplowniczy (dostęp 25.04.2014).
• [2] Żurada, Jacek, Mariusz Barski. Sztuczne sieci neuronowe: podstawy teorii i zastosowania. Warszawa: Wydawnictwo Naukowe PWN, 1996.
• [3] Durbin, Richard, Christopher Miall, Graeme Mitchison. The Computing neuron. Wokingham, England: Addison-Wesley Pub. Co., 1989.
• [4] Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2008.
• [5] Cieżak W., Łomotowski J., Siwoń Z., Licznar P, Cieżak J.: Modele neuronowe w analizie i prognozowaniu rozbiorow wody. INSTAL nr 7-8 2011 s.61
• [6] Yu, Lean, Shouyang Wang, and K.k. Lai. An integrated data preparation scheme for neural network data analysis. IEEE Transactions on Knowledge and Data Engineering 18, nr 2 (2006): 217-230.
• [7] Hagan, Martin T., Howard B. Demuth, and Mark H. Beale. Neural network design. Boston: PWS Pub., 1996.

Uwagi

PL

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