Prediction Intervals for Short-Term Load Forecasting Neuro-Fuzzy Models

• Autorzy: Bartkiewicz W.

Warianty tytułu

PL

Metody wyznaczania przedziałów prognozy dla rodziny neuronowo rozmytych modeli krótkoterminowego prognozowania obciążenia sieci

• Języki publikacji: EN

Abstrakty

EN

In the paper the problem of estimation of the prediction intervals (error bars) for the family neuro-fuzzy Short-Term Load Forecasting (STLF) models is discussed. We investigate two neuro-fuzzy networks: Fuzzy Basis Function (FBF) Networks, and linear neuro-fuzzy model with Tagagi-Sugeno reasoning. The paper contains comparison of selected most important methods for error bars calculation (analytical delta method, and bootstrap), and discusses the obtained results in context STLF.

PL

W artykule zaprezentowane zostały metody wyznaczania przedziałów prognozy dla rodziny neuronowo rozmytych modeli krótkoterminowego prognozowania obciążenia sieci. Przebadane zostały dwa rodzaje sieci neuronowo-rozmytych: sieci Fuzzy Basis Function (FBF) i liniowe neuronowe modele rozmyte z wnioskowaniem typu Takagi-Sugeno. Artykuł obejmuje porównanie najistotniejszych metod szacowania przedziałów prognozy: analitycznej metody delta i bootstrapu), dyskutując wyniki w kontekście krótkoterminowych prognoz obciążenia sieci.

Słowa kluczowe

PL

sieci neuronowo-rozmyte; prognozowanie obciążenia; metody

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 10b
• Strony: 284--287
• Opis fizyczny: Bibliogr. 10 poz., tab.

Twórcy

autor

Bartkiewicz W.

• Uniwersytet Łódzki, Katedra Informatyki, ul. Matejki 22/26, 90-237 Łódź,

Bibliografia

• [1] Bartkiewicz W., Neuro-fuzzy approach to short-term electrical load forecasting. Proc. of the International Joint Conference on Neural Networks, IJCNN2000, Como, Italy, July 24-27, 2000, vol. VI, 229-234.
• [2] Bartkiewicz W., Confidence intervals prediction for the short-term electrical load neural forecasting models, Elektrotechnik und Informationstechnik, No. 1(117), 2000, 8-12.
• [3] Bartkiewicz W., Error Bars for Short Term Load Forecasting Neural Networks Models. Present-Day Problems of Power Engineering (APE '2001), Gdańsk - Jurata, 2001, vol. III, 75-82.
• [4] Bartkiewicz W., Metody określania niepewności prognoz krótkoterminowego obciążenia sieci dla modeli neuronowych i neuronowo-rozmytych. Rynek Energii, nr 1 (92), luty 2011, s. 41 - 46.
• [5] Bartkiewicz W., Short-Term Load Forecasting with Neuro-Fuzzy Models. Present-Day Problems of Power Engineering (APE '2011), Gdańsk - Jurata, 2011, (to appear).
• [6] Bartkiewicz W., Gontar Z., Matusiak B., Zieliński J .S., Short-term load forecasting in market environment, Proc. of III-d IEE Mediterranean Conference and Exhibition on Power generation, Transmission, Distribution and Energy Conversion (Med Power), Athens. Nov 4 - 6, 2002.
• [7] Bartkiewicz W., Gontar Z., Zieliński J.S., Bardzki W.: Uncertainty of the short-term load forecasting in utilities, Proc. of the International Joint Conference on Neural Networks, IJCNN2000, Como, July 24-27, 2000, vol. VI, 235-240,
• [8] Butkevych O.F., Pawłowskiy W.W., Bartkiewicz W., Zieliński J .S., Hybrid systems in power systems solving. Technical Electrodynamics, Institute of Electrodynamics National Academy of Sciences, Kiev 2002, 77-82.
• [9] Khosravi, A. , Nahavandi, S. and Creighton, D., Prediction Interval Construction and Optimization for Adaptive Neuro Fuzzy Inference, IEEE Transactions on Fuzzy Systems, (to appear).
• [10] Mencar C., Castellano G., Fanelli M., Deriving Prediction Intervals For Neuro-Fuzzy Networks. Mathematical and Computer Modelling, vol. 42 (2005), issue 7-8, 719-726.