Short-Term Load Forecasting Based on Kernel Conditional Density Estimation

• Autorzy: Dudek G.

Warianty tytułu

PL

Krótkoterminowe prognozowanie obciążeń elektroenergetycznych za pomocą jądrowej estymacji gęstości warunkowej

• Języki publikacji: EN

Abstrakty

EN

A short-term load forecasting model based on the kernel estimation of the conditional probability density distribution is proposed. The pattern vector of the load time series sequence can be treated as the multivariate random variable whose value determines the pattern component values of the next sequence, which is forecasted. Probability density functions are obtained from historical load time series by means of nonparametric density estimation. This approach uses the product kernel estimators. The kernel function smoothing parameters are determined using cross-validation procedure. The suitability of the proposed approach is illustrated through applications to real load data.

PL

Proponuje się model prognostyczny do sporządzania krótkoterminowych prognoz obciążeń systemów elektroenergetycznych w oparciu o estymację jądrową rozkładu warunkowej gęstości prawdopodobieństwa. Wektor obrazu sekwencji szeregu czasowego obciążeń może być traktowany jako wielowymiarowa zmienna losowa, która determinuje wartość składowych obrazu następnej, prognozowanej sekwencji. Funkcje gęstości prawdopodobieństwa utworzono na podstawie historycznych szeregów czasowych obciążeń za pomocą estymacji nieparametrycznej. To podejście używa produktowych estymatorów jądrowych. Parametry wygładzania funkcji jądrowych określa się w procedurze walidacji krzyżowej. Użyteczność proponowanego podejścia zilustrowano aplikacjami do rzeczywistych danych.

Słowa kluczowe

EN

short-term load forecasting; kernel density estimation; nonparametric regression

PL

prognozowanie; krótkoterminowe obciążenia; jądrowa estymacja gęstości; regresja nieparametryczna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2010
• Tom: R. 86, nr 8
• Strony: 164--167
• Opis fizyczny: Bibliogr. 8 poz., tab., wykr.

Twórcy

autor

Dudek G.

• Czestochowa University of Technology, Institute of Power Engineering, al. Armii Krajowej 17, 42-200 Czestochowa,

Bibliografia

• [1] Härdle W.K., Müller M., Sperlich S., Werwatz A., Nonparametric and Semiparametric Models, Springer 2004
• [2] Kulczycki P, Kernel Estimators in Systems Analysis, WNT, Warsaw 2005 (in Polish)
• [3] Scot t D.W. , Multivariate Density Estimation: Theory, Practice, and Visualization, John Wiley & Sons, New York, Chichester 1992
• [4] Theodoridis S., Koutroumbas K. , Pattern Recognition, Elsevier Academic Press 2003
• [5] Dudek G., Short-Term Load Forecasting using Fuzzy Clustering and Genetic Algorithms, Final report of the Polish State Committee for Scientific Research founded grant no. 3T10B02329. Dept. Elect. Eng., Częstochowa University of Technology 2006 (unpublished, in Polish)
• [6] Dudek G., Similarity-Based Approaches to Short-Term Load Forecasting, in Forecasting Models: Methods and Applications, pp. 161-178, iConcept Press 2010
• [7] Dudek G., Tournament Searching Method to Feature Selection Problem, in: Rutkowski L., Tadeusiewicz R., Zadeh L., Zurada J. (eds): Lecture Notes in Artificial Intelligence, Springer, Proceedings of the 10th International Conference on Artificial Intelligence and Soft Computing ICAISC 2010 (in print).
• [8] Charytoniuk W., Chen M.S., Van Olinda P. , Nonparametric Regression Based Short-Term Load Forecasting, IEEE Transactions on Power Systems, 13 (1998), n.3, 725-730