Wykorzystanie modeli Mamdaniego do predykcji dobowych obciążeń wiejskich sieci elektroenergetycznych

• Autorzy: Małopolski J. , Trojanowska M.

Warianty tytułu

EN

Using of the Mamdani models to predict daily loads of rural power networks

• Języki publikacji: PL

Abstrakty

PL

Opracowano modele z wnioskowaniem typu Mamdani do dobowego prognozowania zapotrzebowania na energię elektryczną odbiorców wiejskich, jako charakterystycznej grupy użytkowników energii. W pracy modele zbudowano dla wszystkich dni tygodnia, oddzielnie modelując profil dnia, wartość średnią mocy dobowej oraz odchylenie standardowe przebiegu dobowego obciążenia. Przeprowadzona analiza wykazała przydatność takich modeli do krótkoterminowej predykcji i ich atrakcyjność ze względu na niski nakład pracy potrzebny do opracowania.

EN

Mamdani type concluding models were developed for twenty-four hour forecasting of electric energy demand for rural consumers, being characteristic group of energy users. For the research purposes the models were built for all weekdays, with separate modelling of day profile, twenty-four hour power average value and standard deviation of twenty-four hour load progress. Completed analysis proved usefulness of these models for short-term prediction, and their attraction due to low amount of labour necessary to prepare them.

Słowa kluczowe

PL

energia elektryczna; prognozowanie krótkoterminowe; modele rozmyte

EN

electric energy; short-term forecasting; fuzzy models

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2008
• Tom: R. 12, nr 9(107)
• Strony: 205--211
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Małopolski J.

autor

Trojanowska M.

• Uniwersytet Rolniczy w Krakowie, Wydział Inżynierii Produkcji i Energetyki, Katedra Energetyki Rolniczej,

Bibliografia

• Dąsal K. 2002. Wpływ doboru zmiennych na błąd prognozy w modelu sieci neuronowej. VI Konferencja Naukowa PE 2002 „Prognozowanie w elektroenergetyce”. Częstochowa. s. 98-108.
• Dudek G. 2000. Krótkoterminowe prognozowanie obciążenia systemu elektroenergetycznego z zastosowaniem sztucznych sieci neuronowych o radialnych funkcjach bazowych. Materiały V Konferencji Naukowej „Prognozowanie w elektroenergetyce PE 2000”. s. 59-69.
• Francik S. 2003. Możliwości wykorzystania SSN do prognozowania sprzedaży maszyn rolniczych w warunkach rynkowych. Inżynieria Rolnicza. Nr 12(54). s. 97-105.
• Lula P. 2000. Wykorzystanie sztucznej inteligencji w prognozowaniu. Materiały Seminarium Statsoft. „ Prognozowanie w przedsiębiorstwie”. Warszawa. s. 39-69.
• Mamdani E. H. 1974. Applications of fuzzy algorithms for control of simple dynamic plant. Proceedings IEEE , No. 121(12). s. 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. s. 1181-1182.
• Osowski S. 1996. Sieci neuronowe w ujęciu algorytmicznym. WNT. Warszawa. ISBN 83-204-2197-7.
• Piegat A. 1999. Modelowanie i sterowanie rozmyte. AOW EXIT. Warszawa. ISBN 83-87674-14-1.
• Zeliaś A., Pawełek B., Wanat S. 2004. Prognozowanie ekonomiczne. WN PWN Warszawa. ISBN 83-01-14043-7.