Zastosowanie hierarchicznych metod grupowania do prognozowania dobowych charakterystyk obciążeń elektroenergetycznych

• Autorzy: Dudek G.

Warianty tytułu

EN

Application of hierarchical clustering methods to the daily electrical load profile forecasting

• Konferencja: VIII Konferencja Naukowa "Prognozowanie w elektroenergetyce", Częstochowa- Złoty Potok, 21-22 września 2006 r.
• Języki publikacji: PL

Abstrakty

PL

Przedstawiono zastosowanie jednej z najbardziej popularnych metod grupowania danych do prognoz dobowych charakterystyk obciążeń elektroenergetycznych. Hierarchiczne metody grupowania tworzą dendrogram, obrazujący klastery profilów prognoz obciążeń dobowych wyznaczone z historii procesu i wzajemne odległości pomiędzy nimi. Klasterom nadaje się etykiety z typami i numerami dni profilów, które formują klaster. Prognozy tworzy się wykorzystując informacje zapisane w etykietach i charakterystykach klasterów. Model przetestowano na rzeczywistych danych.

EN

Application one of the most popular clustering method to the daily electrical load profile forecasting is presented. Hierarchical clustering methods create a dendrogram, which illustrates the daily load profile clusters determined on the process history basis and distances between them. Clusters are being labeled with day types and day numbers of profiles that form a cluster. Information on those labels and cluster profiles serve for creating forecasts. The method was tested on real data.

Słowa kluczowe

PL

prognozowanie krótkoterminowe; zapotrzebowanie na moc elektryczną; hierarchiczne metody grupowania; dendrogram; profil obciążeń

EN

short-term load forecasting; hierarchical clustering methods; dendrogram; load profile

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2006
• Tom: R. 82, nr 9
• Strony: 9--11
• Opis fizyczny: Bibliogr. 5 poz., rys.

Twórcy

autor

Dudek G.

• Politechnika Częstochowska, Instytut Elektroenergetyki,

Bibliografia

• [1] El-Keib A.A., Ma X., Ma H., Advancement of statistical based modeling techniques for short-term load forecasting, Electric Power System Research, 35 (1995), 51-58
• [2] Metaxiotis K. i in., Artificial intelligence in short term load forecasting: a state-of-the-art survey for the researcher, Energy Conversion and Management, 44 (2003), 1525-1534
• [3] Jajuga K., Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa 1990
• [4] Theodoridis S., Koutroumbas K, Pattern Recognition, Elsevier Academic Press, 2003
• [5] Dudek G., Przetwarzanie danych w opartych na podobieństwie metodach prognozowania przebiegów dobowych zapotrzebowania na moc elektryczna., Przegląd Elektrotechniczny (w druku)