Metody poprawy jakości prognoz średnioterminowych miesięcznego zużycia energii elektrycznej w spółce dystrybucyjnej

• Autorzy: Piotrowski P.

Warianty tytułu

EN

Methods of improvement of energy consumption forecasting using an artificial neural network

• Języki publikacji: PL

Abstrakty

PL

Średnioterminowa prognoza zużycia energii elektrycznej jest dla spółek dystrybucyjnych istotnym elementem w ich funkcjonowaniu. Celem tej pracy jest przedstawienie efektywnej metody prognozy średnioterminowej przy wykorzystaniu sztucznych sieci neuronowych oraz zwrócenie uwagi na dużą rolę czynników poza energetycznych w uzyskaniu wysokiej jakości prognoz. Porównane zostaną uzyskane wyniki z kilkoma metodami statystycznymi.

EN

Electric energy consumption middle – term forecasting is important factor for electrical plants. The purpose of this paper is to present effective method of middle – term forecasting of electric energy consumption using an artificial neural network and showing important role of other factors than electric energy consumption in high quality predictions. The results will be compared with some statistical methods.

Słowa kluczowe

PL

prognozowanie średnioterminowe; sztuczne sieci neuronowe; zużycie energii elektrycznej; spółka dystrybucyjna

EN

middle term forecasting; artificial neural networks; electric energy consumption; electrical plant

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2007
• Tom: R. 83, nr 6
• Strony: 75--77
• Opis fizyczny: Bibliogr. 8 poa., rys., tab., wykr.

Twórcy

autor

Piotrowski P.

• Politechnika Warszawska, Instytut Elektroenergetyki,

Bibliografia

• [1] Helt P., Parol M., Piotrowski P.: Metody sztucznej inteligencji w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, 2000, 66-71
• [2] Baczyński D., Parol. M., Piotrowski P.: Sztuczna inteligencja w praktyce – laboratorium, Oficyna Wydawnicza Politechniki Warszawskiej, 2006, 27-47
• [3] Piotrowski P. Sztuczna inteligencja – nowe narzędzie w elektroenergetyce, miesięcznik STOEN S.A. – “Pod Prąd”, nr.8 (60), sierpień 1999, 18-19
• [4] Piotrowski P., S.Kujszczyk: The peak power and energy consumption short - term forecasting using artificial neural network in selected groups of energy consumers, Fourth International Conference on Unconventional Electromechanical and Electrical Systems -UEES'99, Petersburg, 21-24 czerwiec 1999r.
• [5] Piotrowski P.: The monthly electric energy consumption middle - term forecasting using an artificial neural network with genetic algorithms for STOEN joint-stock company, 10th International Symposium on System - Modelling - Control, Zakopane, 21 -25 maj 2001
• [6] Piotrowski P.: Neural network with genetic algorithms for the monthly electric energy consumption and peak power middle - term forecasting, Journal of Applied Computer Science, JACS 2002, vol.10, No. 1, Technical University Press Łódź 2002, 105-115
• [7] Wilk R.: Wykorzystanie modułu sieci neuronowych z pakietu sztucznej inteligencji Sphinx do zadania prognozowania średnioterminowego. Analiza wpływu danych pogodowych i ekonomicznych na jakość prognoz, praca dyplomowa magisterska, Wydział Elektryczny, Politechnika Warszawska 2003
• [8] Piotrowski P., Wilk R.: Optymalny dobór danych ekonomicznych, demograficznych oraz pogodowych w średnioterminowych predykcjach zapotrzebowania na energię elektryczną w spółce dystrybucyjnej jako znaczący element poprawy jakości predykcji, XII Międzynarodowa Konferencja Naukowa pt. Aktualne problemy w Elektroenergetyce, Jurata, 8-10 czerwiec 2005r. Tom III, 3-9