Krótkoterminowe prognozowanie zapotrzebowania na energię elektryczną odbiorców wiejskich przy wykorzystaniu modeli Mamdaniego

• Autorzy: Trojanowska M. , Małopolski J.

Warianty tytułu

EN

Short-term prediction of electric energy demand by rural consumers with the use of Mamdani models

• Języki publikacji: PL

Abstrakty

PL

W pracy zbudowano modele z wnioskowaniem typu Mamdani do godzinowego prognozowania zapotrzebowania na energię elektryczną odbiorców wiejskich, jako charakterystycznej grupy użytkowników energii. Ze względu na charakter zmienności obciążeń opracowano odrębne modele dla typowych dni tygodnia. Przeprowadzona analiza wykazała przydatność tych modeli do krótkoterminowej predykcji i ich konkurencyjność w stosunku do modeli neuronowych.

EN

The models with Mamdani type of concluding were developed in order to predict the hourly demand of electric energy supplies to the rural customers as a characteristic group of electricity users. Because of the character of demands' variability, separate models for typical week-days were designed. The analysis that was carried out, showed the usefulness of these models to make the short-term predictions and their competitiveness in relation to the neural models.

Słowa kluczowe

PL

energia elektryczna; prognozowanie krótkoterminowe; modele rozmyte

EN

electric energy demand; rural customers; short-term prediction; fuzzy models

• Wydawca: Wydawnictwo ITP
• Czasopismo: Problemy Inżynierii Rolniczej
• Rocznik: 2007
• Tom: R. 15, nr 3
• Strony: 35--42
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Trojanowska M.

autor

Małopolski J.

• Katedra Energetyki Rolniczej, Akademia Rolnicza w Krakowie

Bibliografia

• Dittman P. 2003. Prognozowanie w przedsiębiorstwie. Oficyna Ekonomiczna, Kraków
• Dudek G. 2000. Krótkoterminowe prognozowanie obciążenia systemu elektroenergetycznego z zastosowaniem sztucznych sieci neuronowych o radialnych funkcjach bazowych. V Konferencja Naukowa nt. Prognozowanie w elektroenergetyce PE 2000. Częstochowa, ss. 59-69
• Francik S. 2003. Możliwości wykorzystania SSN do prognozowania sprzedaży maszyn rolniczych w warunkach rynkowych. Inżynieria Rolnicza, 12(54): 97-105
• Lula P. 2000. Wykorzystanie sztucznej inteligencji w prognozowaniu. Seminarium Statsoft nt. Prognozowanie w przedsiębiorstwie. Warszawa, ss. 39-69
• Mamdani E. H. 1974. Applications of fuzzy algorithms for control of simple dynamic plant. Proceedings IEEE , No. 121 (12): 1585-1588
• Mamdani E. H. 1977. Applications of fuzzy algorithms to approximate reasoning using linguistic synthesis. IEEE Transactions on Computers 1977, vol. C-26, No.12: 1181-1182
• Osowski S. 1996. Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa
• Piegat A. 1999. Modelowanie i sterowanie rozmyte. AOW EXIT, Warszawa