Zastosowanie metody składowych głównych do redukcji zmiennych opóźnionych

• Autorzy: Dąsal K. , Popławski T. , Rusek K.

Warianty tytułu

EN

Application of the Principal Component Analysis for the reduction of variable delayed

• Języki publikacji: PL

Abstrakty

PL

Problem przedstawiony w artykule dotyczy w ogólnym sensie zagadnień modelowania krótkoterminowego procesów, w szczególności krótkoterminowych prognoz zapotrzebowania na moc w Krajowym Systemie Elektroenergetycznym. Opisano nową metodę doboru zmiennych opóźnionych do modelu wielowymiarowego. Zaproponowano implementację jednej z klasycznych statystycznych metod analizy czynnikowej, mianowicie – metodę składowych głównych ang.PCA.

EN

In the paper the issues of short-term forecasting of power demand in Polish Power System are considered. New method enabling of selection of delayed variables for the multivariate model were described. In the paper one of the classical statistical method of factors analysis has been implemented, namely the Principal Component Analysis (PCA).

Słowa kluczowe

PL

system elektroenergetyczny; prognozowanie krótkoterminowe; analiza składowych głównych

EN

power system; short-team forecasting; principal component analysis

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 9a
• Strony: 130--133
• Opis fizyczny: Bibliogr. 11 poz., tab., wykr.

Twórcy

autor

Dąsal K.

autor

Popławski T.

autor

Rusek K.

• Politechnika Częstochowska, Zakład Urządzeń i Gospodarki Elektroenergetycznej,

Bibliografia

• [1] A. Asuncion, D.J. Newman, UCI machine learning, repository 2007, University of California, School of Information and Computer Science.
• [2] C. Ding and X. He, "K-means Clustering via Principal Component Analysis". Proc. of Int'l Conf. Machine Learning (ICML 2004), pp 225–232. July 2004.
• [3] Dobrzańska I., Dąsal K., Łyp J., Popławski T., Sowiński J., Prognozowanie w elektroenergetyce. Zagadnienia wybrane. Wydawnictwo Politechniki Częstochowskiej. Częstochowa 2002
• [4] A.N. Gorban, A.Y. Zinovyev, Principal Graphs and Manifolds, In: Handbook of Research on Machine Learning Applications and Trends: Algorithms, Methods and Techniques, Olivas E.S. et al Eds. Information Science Reference, IGI Global: Hershey, PA, USA, 2009. 28-59.
• [5] Jolliffe I.T., Principal Component Analysis, Series: Springer Series in Statistics, 2nd ed., Springer, NY, 2002, XXIX, 487 p. 28 illus. ISBN 978-0-387-95442-4
• [6] D. Kincaid, W. Cheney, Analiza numeryczna, Wydawnictwa Naukowo-Techniczne, Warszawa 2006, ISBN 83-204-3078-X.
• [7] Jacek Koronacki, Jan Cwik, Statystyczne systemy uczące się. Wydawnictwo Naukowo techniczne, Warszawa, wydanie 1, 2005.
• [8] Daniel T. Larose, Metody i modele eksploracji danych. Wydawnictwo Naukowe PWN, Warszawa, wydanie 1, 2008.
• [9] A.A. Miranda, Y.A. Le Borgne, and G. Bontempi, New Routes from Minimal Approximation Error to Principal Components, Volume 27, Number 3 / June, 2008, Neural Processing Letters, Springer
• [10] Popławski T., Dąsal K., Dudek G., Łyp J., Sowiński J., Starczynowska E., Opracowanie i weryfikacja modeli do prognozowania zapotrzebowania na moc elektryczną w krajowym systemie elektroenergetycznym (KSE) dla potrzeb opracowania w PSE Operator S.A. Planów koordynacyjnych. Centrum Zastosowań Zaawansowanych Technologii Sp. z o.o., Warszawa 2010, (niepublikowany)
• [11] Tadeusz Świrszcz, Algebra liniowa z geometria analityczna. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2004