Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2016

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Fractal theory application for heat demand forecasting in district heating system

Aleksiejuk P., Bujalski W.

Rynek Energii

2016

Nr 5

95--98

The aim of this thesis is to formulate short-term heat demand forecasting model based on fractal theory that predicts the value of heat demand for all receivers connected to district heating system depending on weather forecast and calendar information. The paper contains descriptions of basic fractal theory concepts, techniques, analysis of self-similarity of heat demand data, and developed methodology of constructing fractal interpolation curve. Forecast accuracy was investigated for planning heat production in 24-hour horizon.

Celem badań jest opracowanie krótkoterminowego modelu prognostycznego opartego na teorii fraktali, który prognozuje wartość zapotrzebowania na ciepło wszystkich odbiorców miejskiej sieci ciepłowniczej w zależności od progno-zy pogody oraz danych kalendarzowych. W publikacji zawarto opisy podstawowych założeń, technik, analiz samopodobieństwa danych o zapotrzebowaniu na ciepło oraz metodologii konstruowania krzywej interpolacji fraktalnej. Dokładność prognozy zweryfikowano na podstawie planowania produkcji ciepła w horyzoncie prognozy wynoszącym 24 godziny.

Model prognostyczny zapotrzebowania na ciepło z wykorzystaniem struktur sztucznych sieci neuronowych

Aleksiejuk P.

Instal

2016

nr 2

13--15

W ramach niniejszej pracy opracowano numeryczny model prognostyczny oparty na strukturze sieci neuronowych wyliczający wartość zapotrzebowania na ciepło wszystkich odbiorców przyłączonych do sieci ciepłowniczej w zależności od parametrów wejściowych. W pracy opisano proces analizy, korekty oraz podziału danych uczących. Ponadto, zbadano jakość prognozy pochodzącej z opracowanego modelu na potrzeby planowania produkcji ciepła w horyzoncie prognozy wynoszącym 24 lub 48 godzin w zależności od zastosowanej struktury sieci neuronowej.

The aim of this thesis was to formulate numerical predictive model based on artificial neural networks structure that counts the value of heat demand depending on input parameters for all receivers connected to district heating system. The paper contains descriptions of data analysis, correction and division of training dataset. What is more, the quality of forecast obtained from developed model was investigated for planning the heat production in 24 or 48 hour prognosis horizon depending on applied structure of neural network.