Krótkoterminowa prognoza dobowej krzywej zużycia energii elektrycznej z wyprzedzeniem 48 godzin jest dla spółki dystrybucyjnej kluczową informacją. Celem tej pracy jest zasygnalizowanie dużego znaczenia doboru i przetworzenia danych wykorzystywanych w prognozowaniu przy wykorzystaniu sztucznych sieci neuronowych na końcową jakość prognoz. Szczególną uwagę poświęcono selektywnemu doborowi danych historycznych oraz wpływowi temperatury.
EN
Short term forecasting of energy consumption for 48 hours in advance is very important information for electrical plants. The purpose of this paper is to present method of improvement quality forecasting by proper selection and processing of data for artificial neural network. Particular attention was given to selective choice of historical data and temperature influence.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Średnioterminowa prognoza zużycia energii elektrycznej jest dla spółek dystrybucyjnych istotnym elementem w ich funkcjonowaniu. Celem tej pracy jest przedstawienie efektywnej metody prognozy średnioterminowej przy wykorzystaniu sztucznych sieci neuronowych oraz zwrócenie uwagi na dużą rolę czynników poza energetycznych w uzyskaniu wysokiej jakości prognoz. Porównane zostaną uzyskane wyniki z kilkoma metodami statystycznymi.
EN
Electric energy consumption middle – term forecasting is important factor for electrical plants. The purpose of this paper is to present effective method of middle – term forecasting of electric energy consumption using an artificial neural network and showing important role of other factors than electric energy consumption in high quality predictions. The results will be compared with some statistical methods.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.