Ocena rentowności spółek dystrybucyjnych z wykorzystaniem sztucznych sieci neuronowych

• Autorzy: Halicka K.

Warianty tytułu

EN

Evaluation of distribution corporation profitability with application of artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

Sztuczne sieci neuronowe (SSN) należące do technik obliczeniowych sztucznej inteligencji, ze względu na swoje własności obliczeniowe znajdują szerokie zastosowania w takich dziedzinach jak ekonomia, zarządzanie czy elektroenergetyka. W elektroenergetyce od kilkunastu lat wspomagają one między innymi działania związane ze sterowaniem pracą sytemu elektroenergetycznego, analizą zakłóceń, diagnostyką, czy też planowaniem i prognozowaniem [1, 4, 9]. Celem niniejszego artykułu jest przedstawienie zastosowania SSN - sieci Kohonena do badania wyniku finansowego przedsiębiorstw sektora elektroenergetycznego. Na podstawie informacji pochodzących ze sprawozdań finansowych spółek dystrybucyjnych obliczono podstawowe wskaźniki rentowności. Następnie, wykorzystując sieci Kohonena, wyodrębniono podobne do siebie pod względem rentowności przedsiębiorstwa i połączono je w grupy. Zdaniem autorki, w warunkach krajowych, podjęta problematyka ma charakter innowacyjny, a jej opracowanie może przyczynić się do zwiększenia efektywności ekonomicznej spółek dystrybucyjnych.

EN

Artificial neural networks (ANN), as an artificial intelligence calculating technique, thanks to its calculating features, are commonly used in economy, management or electroenergetics. In electroenergetics since years they support for instance activities connected with electrenergetic system of steering, disturbance analysis, diagnostics, planning or forecasting [1, 5, 9]. The aim of the paper is to present the application of ANN - Kohonen networks to examine the financial results of electroenergetic enterprises. On the basis of information from the financial reports of distribution corporations, basic coefficients of profitability were calculated. Next, with the usage of Kohonen networks, corporations similar in terms of profitability were isolated and subsequently they were divided into groups. In the author's opinion, in Polish conditions, the issues addressed in the paper are innovative and their elaboration can contribute to the increase of economic effectiveness in distribution corporations.

Słowa kluczowe

PL

rentowność; efektywność; sieci Kohonena; analiza skupień

EN

profitability; effectiveness; Kohonen networks; cluster analysis

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2011
• Tom: nr 1
• Strony: 54--59
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Halicka K.

• Wydział Zarządzania Politechniki Białostockiej, ul. Wiejska 45A, 15-351 Białystok,

Bibliografia

• [1] Baczyński D.: Zastosowanie algorytmu optymalizacji rojem cząstek w procesie uczenia sztucznej sieci neuronowej w prognozowaniu krótkoterminowym,. Rynek Energii 2010, nr 4.
• [2] Coelli T., Rao D.S.P., Battese G.E.: An introduction to efficiency and productivity analysis. Kluwer Academic Publisher, Boston, 2002.
• [3] Donghong Yang, Dongyang Yang; Hui Li: The Evaluation on Oil Company Marketing Force Based on K-Means Cluster. International Conference on Information Management. Innovation Management and Industrial Engineering, ICIII '08, 2008, vol. 1, Dec. 2008, 403-406.
• [4] Halicka K.: Wykorzystanie sztucznych sieci neuronowych do prognozowania cen na giełdzie energii. Rynek Energii, nr 1(86), 2010, s. 20-23.
• [5] Hess B., Cullmann A.: Efficiency analysis of East and West German electricity distribution companies – Do the ‘‘Ossis’’ really beat the ‘‘Wessis’’?, Elsevier, Utilities Policy 15, March 2007, 206-214.
• [6] Kwiatkowski M.: Modele rynkowe i ich zastosowanie w sektorze elektroenergetycznym. Rynek Energii, nr 4(89), 2010, s. 36-40.
• [7] Li F., Tolley D., Padhy N. P., Wang J.: Framework for Assessing the Economic Efficiencies of Long-Run Network Pricing Models. IEEE Transactions on Power Systems, vol.24, No.4, Nov. 2009, 1641-1648.
• [8] Li Ya, Cheng Yu, Zhang Lizi., Huang Haitao.: Application of multivariate statistical analysis to classify electricity customers. China International Conference on Electricity Distribution, 2008. CICED 2008, Dec. 2008, 1-6.
• [9] Lichota J.: Artificial Neural Networks Application to Optimization of Heat-Only Boiler Control. Rynek Energii, nr 4(83), 2009, s. 61-67.
• [10] Simab M., Haghifam M.-R.: Using Integrated Model to Assess the Efficiency of Electric Distribution Companies. IEEE Transactions on Power Systems, vol. 25, No.4, Nov. 2010, 1806-1814.
• [11] Skoczkowski T.: Energy Efficiency Policy in the European Union. Rynek Energii, nr 5(78), 2008, s. 7-17.
• [12] Sun Wei, Zhao Wei: Profitability evaluation of the power listed companies based on PSO-BP neural network model. 2nd International Conference on Future Computer and Communication (ICFCC), vol. 1, May 2010, V1-114 - V1-117.
• [13] Zieliński J. (red.): Inteligentne systemy w zarządzaniu. Teoria i praktyka. Wydawnictwo Naukowe PWN, Warszawa 2000.
• [14] Zijiang Yang: Profitability evaluation of cross-industry Canadian companies using data envelopment analysis. 2010 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), 2007, 2416-2420.
• [15] Strona internetowa Centrum Informacji o Rynku Energii: http://slownik.cire.pl/?id=707 (03.01.2011).
• [16] Strona internetowa Centrum Informacji o Rynku Energii: http://www.cire.pl/rynekenergii/ze.php (03.01.2011).
• [17] Strona internetowa Monitora Polskiego B, http://www.rzeczpospolita.pl/ekonomia/ monitory.html?ekd=3514, http://www.rzeczpospolita.pl/ekonomia/monitory.html?ekd=4010 (03.01.2011).
• [18] Strona internetowa Polskiego Towarzystwa Przesyłu i Rozdziału Energii Elektrycznej: http://www.ptpiree.pl/index.php?d=7, (03.01.2011).
• [19] Strona internetowa Polskiego wydawnictwa Naukowego: http://aneksy.pwn.pl/zarzadzanie/?id=583 (03.01.2011).