Prognozowanie długoterminowe rocznego zapotrzebowania na energię elektryczną w spółce dystrybucyjnej STOEN S.A. z wykorzystaniem zmodyfikowanej metody Holta

• Autorzy: Piotrowski P. , Bieliczyński B.

Warianty tytułu

EN

Efficiency of the modified Holt method applied to long term forecasting of electrical energy demand

• Języki publikacji: PL

Abstrakty

PL

W pracy zademonstrowano i zanalizowano efektywność zmodyfikowanej metody Holta w zastosowaniu do prognozowania zapotrzebowania na energię elektryczną. Metoda ta może być szczególnie istotna w przypadku braku innych dodatkowych danych historycznych będących w korelacji ze zużyciem energii elektrycznej.

EN

In this paper efficiency of the modified Holt method applied to long term forecasting of electrical energy demand, was demonstrated and analyzed. This method may be particularly important in case of lack of the other additional historical data being in correlation with electric energy consumption.

Słowa kluczowe

PL

prognozowanie długoterminowe; model Holta

EN

long term forecasting; Holt model; yearly electric energy consumption

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2008
• Tom: R. 84, nr 1
• Strony: 58--61
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Piotrowski P.

autor

Bieliczyński B.

• Instytut Elektroenergetyki Politechniki Warszawskiej,

Bibliografia

• [1] Helt P., Parol M., Piotrowski P.: Metody sztucznej inteligencji w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000
• [2] Malko J.: Wybrane zagadnienia prognozowania w elektroenergetyce, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1995, 65-72
• [3] www.stoen.pl, raport roczny za rok 2003, plik w formacie pdf.
• [4] 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
• [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] Baczyński D., Parol. M., Piotrowski P.: Sztuczna inteligencja w praktyce – laboratorium, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006
• [7] Beliczyński B., Ribeiro R..:Tuning parameters of the Simple Forecasting Models, Przegląd Elektrotechniczny, nr.12/2006, Warszawa 2006
• [8] Cieślak M.: Prognozowanie gospodarcze, PWN, 2001
• [9] Makridakis S., Wheelwright S.: Forecasting Methods for Menagement, Wiley J. and Sons, 1989
• [10] Beliczyński B., Osowska M..: Stability of teh Holt-type forecasting models, Theoretical Quartely of Economics and Informatics, WSEI, Warsaw, 1(2004), nr1,49-55.
• [11] Piotrowski P.: Metody poprawy jakości prognoz średnioterminowych miesięcznego zużycia energii elektrycznej w spółce dystrybucyjnej, Przegląd Elektrotechniczny , R.83, nr.6/2007