Wyniki wyszukiwania - BazTech

1

Prognozowanie dobowych przebiegów zapotrzebowania na moc metodami analizy skupień

Dudek G.

Rynek Energii

|

2011

|

nr 2

73-78

PL

Przedstawiono modele do sporządzania krótkoterminowych prognoz zapotrzebowania na moc wykorzystujące metody analizy skupień. Zaprezentowano dwa podejścia oparte na grupowaniu obrazów sekwencji szeregu czasowego za-potrzebowania. W pierwszym podejściu, każdy klaster tworzony jest z dwóch przetworzonych sekwencji szeregu czasowego obciążeń: poprzedzającej moment prognozy i prognozowanej. W procedurze prognostycznej tylko pierwsza sekwencja jest prezentowana na wejście modelu. Druga sekwencja, prognozowana, rekonstruowana jest z klastera najbliższego do sekwencji pierwszej. W drugim podejściu obliczane są empiryczne prawdopodobieństwa, że prognozowana sekwencja na-leży do grupy j, pod warunkiem, że odpowiadająca jej sekwencja poprzedzająca należy do grupy i. Sekwencja prognozo-wana formowana jest ze środków klasterów, przy użyciu tych warunkowych prawdopodobieństw. Zastosowano kilka metod grupowania danych - metodę k-średnich w wersji ostrej i rozmytej, sieć Kohonena, gaz neuronowy oraz grupowanie hierarchiczne. Skuteczność proponowanych metod zilustrowano przykładami prognoz wykonanych na rzeczywistych danych.

EN

Several models to the short-term load forecasting based on cluster analysis are presented. Two approaches using grouping of the load sequence patterns, are described. The patterns preceding the forecast moment and the patterns of forecast, which are concatenated and then divided into clusters, are used in the first approach. The pattern preceding the forecast moment is presented to the model, and then the forecasted pattern is reconstructed from the nearest cluster mean. The empirical probabilities, that the forecast pattern is associated to cluster j while the corresponding input pattern is associated to cluster i, are computed and applied to the forecast construction in the second approach. Several clustering methods are used - crisp and fuzzy k-means methods, Kohonen network, neural gas and hierarchical clustering. The suitability of the proposed approaches is illustrated through an application to real load data.

2

Next day electric load curve forecasting using k-means clustering

Dudek G.

Rynek Energii

|

2011

|

nr 1

143-149

EN

Accurate models for electric power load forecasting are essential to the operation and planning for the electric industry. They have many applications including energy purchasing, generation, distribution, and contract evaluation. This paper proposes the methods of short-term load forecasting using the k-means clustering. Two approaches are presented based on the similarity of the load sequence patterns. In the first one, each cluster is created from two preprocessed sequences of load time series: one preceding the forecast moment and the forecasted one. In the forecast procedure only the first part is presented to the model. The second forecasted part is reconstructed from the cluster closest to the first part. In the second approach both sequences are divided into clusters independently. After clustering the empirical probabilities that the forecasted sequence is associated to cluster j when the corresponding input sequence is associated to cluster i are calculated. The forecasted sequence for the new input sequence is formed from cluster centroids using these conditional probabilities. The suitability of the proposed approaches is illustrated through an application to real load data.

PL

W tym artykule proponuje się metody prognozowania krótkoterminowego oparte na klasteryzacji k-średnich. Zaprezentowano dwa podejścia wykorzystujące podobieństwo obrazów sekwencji szeregu czasowego obciążeń. W pierwszym podejściu, każdy klaster tworzony jest z dwóch przetworzonych sekwencji szeregu czasowego obciążeń: poprzedzającej moment prognozy i prognozowanej. W procedurze prognostycznej tylko pierwsza sekwencja jest prezentowana na wejście modelu. Druga sekwencja, prognozowana, rekonstruowana jest z klastera najbliższego do sekwencji pierwszej. W drugim podejściu obie sekwencje dzielone są na grupy niezależnie. Po fazie grupowania wyznacza się empiryczne prawdopodobieństwa, że prognozowana sekwencja należy do grupy j, pod warunkiem, że odpowiadająca jej sekwencja poprzedzająca należy do grupy i. Sekwencja prognozowana dla sekwencji wejściowej formowana jest z centroidów klasterów, przy użyciu tych warunkowych prawdopodobieństw. Skuteczność proponowanych metod zilustrowano przykładami prognoz wykonanych na rzeczywistych danych.

3

Analiza podobieństwa obrazów sekwencji szeregów czasowych obciążeń elektroenergetycznych

Dudek G.

Przegląd Elektrotechniczny

|

2009

|

R. 85, nr 3

149-152

PL

Przedstawiono metody analizy podobieństwa obrazów sekwencji szeregów czasowych obciążeń elektroenergetycznych. Silne zależności pomiędzy obrazami sekwencji poprzedzających moment prognozy oraz obrazami sekwencji prognozowanych pozwalają budować modele prognostyczne oparte na podobieństwie obrazów. Dla kilku definicji obrazów i metod obliczania odległości pomiędzy obrazami przeprowadzono analizy oparte na tablicach wielodzielczych i teście chi kwadrat.

EN

The similarity analysis methods of the electrical load time series sequence patterns are presented. The strong relationship between patterns of the sequences preceding the forecast moment and the patterns of the forecasted sequences allows to create the similarity-based forecasting models. For several definitions of patterns and methods of the distance calculation the analyses based on the contingency tables and the chi-square test were performed.

4

Zastosowanie wybranych technik prognostycznych do krótkoterminowych prognoz cen energii elektrycznej na Towarowej

Popławski T.

Polityka Energetyczna

|

2006

|

T. 9, z. spec.

143-155

PL

Wraz z przemianami społeczno-politycznymi i idącymi w ślad za nimi przemianami gospodarczymi obserwowanymi w kraju w ostatnim piętnastoleciu, dostrzec można również ewolucję poglądów na temat roli prognozowania elektroenergetycznego. Efektem zmian zachodzących w polskiej elektroenergetyce jest liberalizacja handlu energią. Prognozowanie zapotrzebowania lub zużycia energii elektrycznej jest zagadnieniem w miarę rozpoznanym i dość szeroko opisanym w literaturze zarówno światowej jak i krajowej. Gorzej jest w przypadku prognozowania cen energii elektrycznej. Jest to zagadnienie nowe, a w przypadku prognoz cen energii elektrycznej na Towarowej Giełdzie Energii nie ma zbyt wiele opracowanych i zweryfikowanych metod umożliwiających jej predykcję. W artykule zaproponowano wykorzystanie do celów predykcji krótkoterminowej cen klasycznych modeli harmonicznych opartych o stochastyczną analizę szeregów czasowych, jak również modelu Hausdorffa wywodzącego się z teorii chaosu zdeterminowanego. Modele te zweryfikowano na jednorodnym materiale statystycznym wykonując prognozy wygasłe cen na Towarowej Giełdzie Energii.

EN

Along with social and political transformations and following economical transformations observed in our country during the past fifteen years, evolution of attitudes towards the role of power engineering forecasting is being noticed. The effect of transformations occurring in polish energy engineering is liberalization of energy trade. Forecasting of electric energy demands or consumption is an issue recognized to some extent and well described both in domestic and worldwide publications. Much worse is the case of forecasting of prices of electric energy. The issue is a new one, and in the case of forecasting of electric energy prices on the Polish Power Exchange there are not many developed and verified methods of its prediction. In the paper application of classic harmonic models based on stochastic analysis of time series, as well as Hausdorff's model derived from deterministic chaos theory is proposed for short-term prediction of prices. These models have been verified using a homogenous statistic material using forecasts of out-of-date prices of electric energy on the Polish Power Exchange.