Wyniki wyszukiwania - BazTech

1

Prognozowanie obciążeń dla systemu dostarczania energii z uwzględnieniem warunków pogodowych

Ciechulski T.

Logistyka

|

2014

|

nr 6

2759--2768

PL

Artykuł dotyczy prognozowania zapotrzebowania na zużycie energii elektrycznej w małym systemie elektroenergetycznym w Polsce. Do symulacji posłużyły sztuczne sieci neuronowe SVM, RBF i MLP, zaimplementowane w środowisku programistycznym MATLAB. Prognozowany przedział czasowy obejmował lata 2004–2005, w których do badań użyto 729 dni. Oprócz danych zużycia energii elektrycznej w powyższym przedziale czasowym, do badań posłużyły również dane atmosferyczne składające się z następujących parametrów pogodowych: prędkość wiatru, temperatura powietrza, nasłonecznienie oraz wilgotność. Symulacje przeprowadzone zostały w dwóch etapach, w których odbyło się prognozowanie zapotrzebowania na energię elektryczną w odstępie godzinnym z wyprzedzeniem 24–godzinnym. Etap pierwszy dotyczył prognozowania z uwzględnieniem wszystkich dostępnych parametrów wejściowych. Natomiast etap drugi dotyczył prognozowania na podstawie wyselekcjonowanych danych wejściowych metodą liniowej regresji krokowej. Wyniki badań symulacyjnych wykazały, że selekcja cech ma niewielki wpływ na poprawę predykcji, a otrzymane miary jakości predykcji w postaci błędów MAPE okazały się lepsze po przeprowadzeniu selekcji cech.

EN

The paper is concerned with electrical load forecasting in small power system in Poland. Three types of artificial neural networks: SVM, RBF and MLP implemented in MATLAB computing environment were used. Forecasted period covers two years: 2004–2005. 729 days were used in the analysis. The atmospheric parameters including wind speed, air temperature, insolation and humidity have been taken into account. The simulations were conducted in two stages. The first stage taken into account with all available input parameters including weather data at the last 24 hours. In the second stage the simulations used only the attributes selected by the stepwise linear regression procedure. The simulation results show that the applied selection has only slight influence on the improvement of prognosis quality.

2

Noise identification for ICA ensemble predictors

Szupiluk R., Ząbkowski T.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 6

307--309

EN

In this paper we present a novel method for integration the prediction results by finding common latent components via independent component analysis. The latent components can have constructive or destructive influence on particular prediction results. After the elimination of the deconstructive signals we rebuilt the improved predictions. We check the method validity on the electricity load prediction task.

PL

W artykule przedstawiono nową metodę pozwalającą na łączenie wyników predykcji poprzez poszukiwanie ukrytych wspólnych składowych przy zastosowaniu procedury analizy składowych niezależnych. Składowe ukryte mogą mieć pozytywny lub negatywny wpływ na wyniki predykcji. Po wyeliminowaniu składowych niekorzystnych poprawione zostały wyniki predykcji. Poprawność metody sprawdzono na przykładzie predykcji zapotrzebowania na energię elektryczną.

3

Graphical analysis of load pattern in Polish Power System using PCA and Kohonen map

Siwek K.

Przegląd Elektrotechniczny

|

2010

|

R. 86, nr 1

118-120

EN

This work presents the graphical analysis of the load patterns of the Polish Power System by using two kinds of multidimensional decompositions - statistical PCA and the neural Kohonen map. Presented results of analysis can be directly used to the construction of the prediction model of the electroenergetic load in both short and long time perspectives.

PL

Praca przedstawia dogłębną analizę obciążeń Polskiego Systemu Elektroenergetycznego przy użyciu dwóch rodzajów dekompozycji wielowymiarowych – statystycznej PCA i neuronowej – mapy Kohonena. Przedstawione wyniki można użyć bezpośrednio do zbudowania systemu predykcji obciążeń elektroenergetycznych – zarówno krótko jak i długoterminowej.