Przetwarzanie danych w opartych na podobieństwie metodach prognozowania przebiegów dobowych zapotrzebowania na moc elektryczną

• Autorzy: Dudek G.

Warianty tytułu

EN

Data preprocessing in similarity-based methods of short-term load forecasting

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

Abstrakty

PL

Przedstawiono koncepcję metod prognozowania wykorzystujących podobieństwo obrazów sekwencji szeregów czasowych. Podano kilka metod przetwarzania elementów sekwencji szeregu czasowego w celu konstrukcji obrazów wejściowych i obrazów prognoz. Dla różnych definicji obrazów wykonano prognozy dobowych przebiegów obciążeń systemu elektroenergetycznego używając minimalnoodległościowego modelu prognostycznego k najbliższych sąsiadów.

EN

A conception of forecasting methods based on similarities between time series sequence patterns is presented. Several methods of time series sequence elements preprocessing for forming input patterns and forecast patterns are described. For different definitions of patterns, forecasts of the daily power system load profiles are constructed. For this purpose a minimum-distance method, based on the k-nearest-neighbor rule, was applied.

Słowa kluczowe

PL

prognozowanie krótkoterminowe; zapotrzebowanie na moc elektryczną; obraz sekwencji szeregu czasowego; metoda; podobieństwo; metoda k najbliższych sąsiadów

EN

short term load forecasting; time series sequence patterns; similarity-based methods; k-nearest neighbor method

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2006
• Tom: R. 82, nr 9
• Strony: 15--19
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Dudek G.

• Politechnika Częstochowska, Instytut Elektroenergetyki,

Bibliografia

• [1] Cieślak M. (red.), Nieklasyczne metody prognozowania, PWN, Warszawa 1983
• [2] Malko J., Mikołajczyk H., Skorupski W., Progress in Employment of Neural Network for Power System Load Forecasting, Mat. konf.: „Neural Networks and Their Applications", 1 (1996), 317-323
• [3] Dudek G., Krótkoterminowe prognozowanie zapotrzebowania na moc elektryczną metodą klasteryzacji rozmytej, Przegląd Elektrotechniczny (w druku)
• [4] Osowski S., Siwek K., Kądzielawa A., Neural Network Approach to Load Forecasting, Mat. konf.: „Neural Networks and Their Applications". 1 (1996), 355-360
• [5] Lendasse A i in., Prediction of Electric Load using Kohonen Maps - Application to the Polish Electricity Consumption, Proceedings of the American Control Conference Anchorage, (2002), 3684-3689
• [6] Dudek G., Zastosowanie hierarchicznych metod grupowania do prognozowania dobowych charakterystyk obciążeń elektroenergetycznych, Przegląd Elektrotechniczny (w druku)
• [7] Baumann T., Germond A., Application of the Kohonen network to short-term load forecasting, Proceedings of the Second International Forum on Application of Neural Networks to Power Systems, (1993), 407-412
• [8] Dudek G., Zastosowanie sieci neuronowej Hecht-Nielsena do krótkoterminowej predykcji obciążeń systemu elektroenergetycznego, Mat. konf.: „Aktualne Problemy w Elektroenergetyce APE'97", 4 (1997), 65-72
• [9] Dudek G., Krótkoterminowe prognozowanie obciążenia systemu elektroenergetycznego z zastosowaniem sieci neuronowych o radialnych funkcjach bazowych, Mat. konf.: „Prognozowanie w Elektroenergetyce PE 2000", (2000), 59-68
• [10] Liu T.-C., Li R-K., A new ART-counterpropagation neural network for solving a forecasting problem, Expert Systems with Applications, 28 (2005), 21-27
• [11] Dudek G., Wybrane metody analizy szeregów czasowych obciążeń elektroenergetycznych, Mat. konf.: „Prognozowanie w Elektroenergetyce PE 2004", (2004), 116-125
• [12] Jajuga K., Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa 1990
• [13] Lendasse A. i in., Time Series Forecasting using CCA and Kohonen Maps - Application to Electricity Consumption, ESANN'2000 proceedings - European Symposium on Artificial Neural Networks, (2000), 329-334
• [14] Duch W., Grudziński K., Sieci neuronowe i uczenie maszynowe: próba integracji, w Nałęcz M.(red.), Biocybernetyka i inżynieria biomedyczna 2000, tom 6, Sieci neuronowe, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000