Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 35

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  prognozowanie krótkoterminowe
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
EN
In this study, the effect of direct and recursive multi-step forecasting strategies on the short-term traffic flow forecast performance of the Long Short-Term Memory (LSTM) model is investigated. To increase the reliability of the results, analyses are carried out with various traffic flow data sets. In addition, databases are clustered using the k-means++ algorithm to reduce the number of experiments. Analyses are performed for different time periods. Thus, the contribution of strategies to LSTM was examined in detail. The results of the recursive based strategy performances are not satisfactory. However, different versions of the direct strategy performed better at different time periods. This research makes an important contribution to clarifying the compatibility of LSTM and forecasting strategies. Thus, more efficient traffic flow prediction models will be developed and systems such as Intelligent Transportation System (ITS) will work more efficiently. A practical implication for researchers that forecasting strategies should be selected based on time periods.
EN
Owners of generating sources after their connection to the power grid become participants of the electricity market, including the balancing market. From that moment on, each participant is obliged to forecast their own generating units' output with a specified advance time. The adopted energy transformation policy removes investment restrictions, in particular concerning the so-called distance act (10H), which stopped the dynamic development of this technology on land. This approach will contribute to the construction of more wind farms. The greater the number of generation sources dependent on weather conditions, the more difficult their predictability and the greater the risk of trade imbalances in participants ' purchasing portfolios. Every incorrect energy forecast that differs from the actual output will result in higher costs of participation in the market. Effective output forecasting allows companies to reduce the cost of their participation. This paper presents a method of forecasting wind farm output using artificial neural networks, which can be an alternative tool for analytical and statistical models. This paper aims to evaluate the effectiveness of the farm output forecast model, i.e. the output modelling for specific weather conditions. The paper presents the farm output affecting factors that should be included in the model, and it shows that the neural network can reproduce farm output curves similar to the catalogue curves with consideration of the object's characteristics. The author has exhaustively researched the subject for 10 years, reaching the main conclusion that it is impossible to create one universal forecast model for every farm. This means that each such facility requires an individual approach to obtain an effective forecast. The changing market environment requires further action and the development of new models suitable for the needs of the markets within a shorter time horizon.
PL
Właściciele źródeł wytwórczych po przyłączeniu do sieci elektroenergetycznej stają się uczestnikami rynku energii elektrycznej, w tym rynku bilansującego. Od tego momentu każdy uczestnik zobowiązany jest do prognozowania produkcji energii własnych jednostek wytwórczych z określonym wyprzedzeniem czasowym. Przyjęta polityka transformacji energetycznej znosi ograniczenia inwestycyjne, w szczególności w zakresie tzw. ustawy odległościowej (10H), która wstrzymała dynamiczny rozwój tej technologii na lądzie. Takie podejście przyczyni się do budowy kolejnych elektrowni wiatrowych. Im większa będzie liczba źródeł wytwórczych, których produkcja zależy od warunków pogodowych, tym trudniejsza będzie ich przewidywalność i większe ryzyko niezbilansowania handlowego portfeli zakupowych uczestników. Każda błędna prognoza energii, różniąca się od rzeczywistej produkcji, będzie skutkowała większymi kosztami uczestnictwa w rynku. Skuteczne prognozowanie produkcji energii umożliwia przedsiębiorstwom redukcję kosztów ich uczestnictwa. Artykuł prezentuje metodę prognozowania energii farmy wiatrowej za pomocą sztucznych sieci neuronowych, które mogą stanowić alternatywne narzędzie względem modeli analitycznych i statystycznych. Celem artykułu była ocena skuteczności modelu prognozy energii farmy, czyli modelu odtwarzającego moc farmy dla określonych warunków meteorologicznych. W artykule przedstawiono czynniki wpływające na moc farmy, które należy uwzględnić w modelu, a także wykazano, że sieć neuronowa potrafi odtworzyć krzywe mocy farmy zbliżone do krzywych katalogowych z uwzględnieniem cech charakterystycznych obiektu. Autor przez 10 lat wyczerpał temat, dochodząc do głównego wniosku, że nie można stworzyć jednego uniwersalnego modelu prognozy dla każdej farmy. Oznacza to, że każdy tego typu obiekt wymaga indywidualnego podejścia, aby uzyskać skuteczną prognozę. Zmieniające się otoczenie rynkowe wymaga dalszych działań i opracowania nowych modeli sprawdzających się w krótszym horyzoncie czasowym na potrzeby rynków.
PL
Rozwój elektroenergetyki obywatelskiej na poziomie regionalnym i lokalnym wymaga podejmowania działań optymalizacyjnych, w tym realizacji założonych funkcji celu. Rozwój klastrów energii będzie generował potrzeby tworzenia narzędzi prognostycznych zarówno pod kątem prognozowania zapotrzebowania na moc i energię, jak również pod kątem optymalnego wykorzystania zdolności regulacyjnych istniejących w ramach struktur klastrowych. W referacie omówiono wyniki stosowania wybranych modeli prognostycznych. Wykorzystane dane odwzorowują rzeczywiste profile zapotrzebowania i zdolności wytwórcze w rozdzielczości dobowo-godzinowej.
EN
The development of civil power engineering at the regional and local level requires undertaking optimization activities including the implementation of the assumed objective functions. The dynamic development of energy clusters will generate the need to create forecasting tools both in terms of forecasting demand for electric power and energy, as well as in terms of optimal use of regulatory capacity of existing structures within clusters. The article discusses the results of using selected forecasting models. The data used will be mapped to actual demand profiles and generating capacities in hourly granulation for every 24 hours.
PL
Artykuł porusza problematykę prognozowania krótkoterminowego ceny energii elektrycznej na rynku energii. Badania przeprowadzone zostały na rzeczywistych danych z Rynku Dnia Następnego (RDN). Zaproponowano kilka modeli prognostycznych, szczególnie model trendu pełzającego dla przewidywania cen w horyzoncie dobowym. Wykonane zostały prognozy wygasłe wraz z oceną dokładności oraz prognozy walidacyjne umożliwiające ocenę użyteczności zaprezentowanych modeli.
EN
Article raises the problem of short-term forecasting the electricity price on the energy market. Research were conducted on real data from the Day-Ahead Market. Proposed several forecasting models, especially creeping trend model to predict prices in the weekly horizon. Taken extinct forecasts with evaluation of the accuracy and forecast validation for the assessment of usefulness of models presented.
PL
W artykule przedstawiono jeden z kluczowych problemów związany z budową modeli do prognozowania krótkoterminowego. Celem dekompozycji jest wyfiltrowanie takiego rodzaju zmienności szeregu aby uzyskać jak najdokładniejsze wyniki prognoz. Artykuł przedstawia analizę takiego szeregu, wyniki badań w formie graficznej i tabelarycznej.
EN
This article presents one of the most important issues related to the construction o models for the short-term forecasting. The purpose of decomposition is to filter the number of such a kind of variation to get the most accurate results of forecasting. The paper presents the analysis of such series and the results in graphical and tabular form.
PL
W tekście przedstawiono analizę statystyczną danych mogących mieć znaczenie w procesie prognozowania dobowej produkcji energii przez turbinę wiatrową. Wykonano przykładowe prognozy oraz sformułowano wnioski końcowe.
EN
The paper presents statistical analysis of data potentially useful in wind electric energy forecasting process for wind turbine. Examples of predictions have been executed and the final conclusions have been presented.
7
Content available remote Problematyka prognoz generacji wiatrowej w KSE
PL
Od kilkunastu lat udział energetyki odnawialnej w sektorze elektroenergetyki stale rośnie. Przyczyny tego stanu rzeczy są różne: wyczerpywanie się paliw kopalnych, proekologiczna polityka UE, awarie elektrowni atomowych na świecie, które wzbudzają w społeczeństwie uczucie niepokoju oraz wiele innych skutkujących wzrostem udziału OZE w ogólnym bilansie produkcji energii elektrycznej. Większa liczba nowych źródeł energii elektrycznej, w szczególności farm wiatrowych, powoduje nowe problemy związane z prognozowaniem poziomu produkcji energii. Elektrownie wiatrowe są urządzeniami, które nie zapewniają stabilnego poziomu dostaw energii. Dlatego istnieje potrzeba opracowania modeli prognostycznych, które umożliwiają prognozowanie pracy takich jednostek w KSE w sposób rzetelny. W artykule podjęto próbę zastosowania teorii fraktalnej analizy procesów związanych z eksploatacją elektrowni wiatrowych do poprawy dokładności prognoz. Opisano wyniki badań i sugestie dotyczące ich możliwości zastosowania.
EN
Since several years the percentage of renewable power engineering in the sector of electric power engineering constantly grows. The reasons for this state are various: depletion of fossil fuels, breakdowns of atom power stations, which cause the feeling of anxiety, strong proecological tendencies in EU as well as the possibility to make the country independent on others. A higher number of new sources of electric energy, in particular wind farms, causes new problems related to forecasting the energy production level. Wind power stations are units, which do not provide a stable level of energy supply. Therefore there exists a need to develop forecasting models, which make it possible to forecast the work of such units in Polish Power System in a reliable way. In the paper an attempt has been undertaken to apply the theory of fractal analysis to the processes related to the operation of wind power stations for improving the accuracy of forecasts. Research results and suggestions concerning their further possible applications have been given.
PL
Artykuł porusza problematykę prognozowania cen na rynku energii elektrycznej z uwzględnieniem zmian zachodzących, między innymi, na Rynku Dnia Następnego (RDN). Zaproponowano model prognostyczny rozkładu kanonicznego wektora zmiennych losowych (MRK) dla przewidywania cen w horyzoncie dobowym. Model zweryfikowano na kilku wybranych prognozach cen na Towarowej Giełdzie Energii.
EN
The article raises the problem of forecasting the electricity prices in energy market, with consideration changes, inter alia, Day-Ahead Market (DAM). Proposed forecasting model, based on the canonical distribution of a random vector variables, to predict prices in the daily horizon. The model was verified on the several selected price forecasts for the Polish Power Exchange.
9
Content available remote Zastosowanie metody składowych głównych do redukcji zmiennych opóźnionych
PL
Problem przedstawiony w artykule dotyczy w ogólnym sensie zagadnień modelowania krótkoterminowego procesów, w szczególności krótkoterminowych prognoz zapotrzebowania na moc w Krajowym Systemie Elektroenergetycznym. Opisano nową metodę doboru zmiennych opóźnionych do modelu wielowymiarowego. Zaproponowano implementację jednej z klasycznych statystycznych metod analizy czynnikowej, mianowicie – metodę składowych głównych ang.PCA.
EN
In the paper the issues of short-term forecasting of power demand in Polish Power System are considered. New method enabling of selection of delayed variables for the multivariate model were described. In the paper one of the classical statistical method of factors analysis has been implemented, namely the Principal Component Analysis (PCA).
PL
W tekście przedstawiono opis opracowanej metody szacowania jakości prognoz godzinowego zapotrzebowania na energię elektryczną wybranych grup odbiorców. Metoda pozwala oszacować poziom błędu prognoz dla różnych horyzontów prognoz (1, 2, 7, 14 oraz 21 dni naprzód) na podstawie informacji o danych statystycznych odbiorców. Optymalizacja parametrów metody szacowania wykonana została kilkoma metodami, w tym przy wykorzystaniu algorytmu optymalizacji rojem cząstek (PSO). Wykonano analizę porównawczą uzyskanych wyników. Sformułowano wnioski końcowe.
EN
The paper presents description of worked out method of estimating hourly demand electric energy forecasts quality for chosen consumer groups. The method allows to estimate the error level for various horizons of forecasts (1, 2, 7, 14 and 21 days ahead) based on information about consumers statistical data. Parameters optimization was performed using different methods including particle swarm optimization algorithm (PSO). The final conclusions have been presented.
11
Content available remote Badanie wpływu temperatury na zmienność obciążeń w KSE
PL
Artykuł porusza ciągle aktualną problematykę dotyczącą wykonywania krótkoterminowych prognoz zapotrzebowania na moc w Krajowym Systemie Elektroenergetycznym. Podjęto próbę opracowania metodyki umożliwiającej badanie i wykrywanie wpływu czynników pogodowych, a konkretnie temperatury, na zmianę obciążenia w systemie elektroenergetycznym. Zaproponowano metodykę wykorzystującą metody i narzędzia analizy statystycznej umożliwiające ocenę wpływu tych czynników na zmiany obciążenia.
EN
In the paper the issues of short-term forecasting of power demand in Polish Power System is raised. An attempt to development methodology enabling to research and to detect the influence of weather factors, and more specifically temperature were made, for the change of the load in the power system. Methods and tools for statistical analysis to assess the influence weather factors on the load changes of PPS are proposed.
PL
Artykuł porusza problematykę odnawialnych źródeł energii, skupiając się na szczególnym rodzaju biomas, którymi uznane są niektóre zboża. Przedstawiono analizę porównawczą cen kilku wybranych zbóż na rynkach krajów Unii Europejskiej. Wykonano testy na danych liczbowych szeregów historycznych cen, badające głownie stacjonarność oraz występowanie wahań okresowych, których wyniki pozwalają na wybór metody i modelu predykcyjnego. Zaproponowano dwa modele prognostyczne dla przewidywania cen w horyzoncie tygodniowym. Wykonano prognozy wygasłe wraz z oceną dokładności oraz prognozy walidacyjne umożliwiające ocenę użyteczności prezentowanych modeli.
EN
The article discusses the issue of renewable energy focusing in particular on the specific type of biomass, which are considered some of the grain. Presents a comparative analysis of prices of cereals on a few selected markets in European Union countries. Performed tests on the figures of the historical series of prices, mainly exploring the stationary and the presence of periodic fluctuations, the results of which allow to choose the method and the prediction model. Proposed two forecasting models to predict prices in the weekly horizon. Taken together with forecasts of expired and the forecast evaluation of the accuracy of validation for the assessment of utility models.
EN
This article describe the linear classifier based on convex and piecewise-linear function (CPL) and it application to market prediction. In an experiment we use CPL linear classifier to predict direction of one day change in stock index price. We use classification approach to predict only direction of change (grow or decline) of the index, not it quantity as in regression approach. Total number of instruments used in experiment including currencies is 42. Prediction of one index is based on historical prices of all 42 indexes. Using 7 historical values for each index it produce 294 attributes. Such high dimensional feature space was reduced by feature selection method - relaxed linear separability (RLS). Details of this methodology are also presented. Features was selected and model was build on training data. Test data (holdout data) was used for checking model accuracy. Model in average correctly classify (predict) 51.9 per cent direction of daily index changes.
PL
W artykule opisano klasyfikator liniowy oparty o wypukłe i odcinkowo-liniowe funkcje kary (CPL) i jego zastosowanie w prognozowaniu giełdy. W przeprowadzonym eksperymencie klasyfikator liniowy CPL został użyty do prognozy kierunku jednodniowej zmiany indeksów giełdowych. W zastosowanym podejściu klasyfikacyjnym prognozowano jedynie kierunek zmian (wzrost lub spadek), a nie dokładną wartość indeksu (podejście regresyjne). W eksperymencie użyto 42 instrumentów finansowych, w tym m.in. kursów walut. Jednodniowa prognoza wybranego instrumentu budowana jest w oparciu o wartości historyczne wszystkich 42 instrumentów. Używając 7 danych historycznych dla każdego instrumentu, uzyskano w sumie 294 atrybuty. Tak wielowymiarowa przestrzeń została zredukowana metodą selekcji cech opartą o relaksację liniowej separowalności. Metoda ta została opisana szczegółowo. Selekcja cech i budowa modelu w wybranej podprzestrzeni została przeprowadzona na zbiorze uczącym (treningowym). Natomiast ocena modelu została przeprowadzona na zbiorze testowym. Otrzymany wynik to średnio 51.9 procent prawidłowo sklasyfikowanych (prognozowanych) dziennych zmian indeksów giełdowych.
PL
W artykule przedstawiono dwa sposoby wykorzystania algorytmów optymalizacji rojem cząstek (Particle Swarm Optimization - PSO) do optymalizacji wartości wag połączeń sztucznej sieci neuronowej. Pierwszy sposób wykorzystania PSO polegał na samodzielnej optymalizacji wag sieci tak by zminimalizować błąd prognozy. Drugi sposób wykorzystywał wspomaganie tego procesu klasycznym algorytmem back-propagation. Celem opracowanego układu hybrydowego miało być prognozowanie krótkoterminowe zapotrzebowania na energię elektryczną spółki dystrybucyjnej. Dla takiego zadania przeprowadzono testy jakości, które zaprezentowano w pracy. Przedstawiono także wnioski dotyczące własności opracowanej metody i ścieżki jej rozwoju.
EN
In the paper two applications of particle swarm optimization (PSO) algorithm for weights values optimization of artificial neural network are presented. First application consists in optimization of weights values only with the PSO in such a way to minimize forecast error. Second application aids this process using classical back propagation algorithm. The main purpose of this hybrid system is forecasting of electric energy load for distribution company. For this task efficiency tests were done. Conclusions concerning properties of proposed method and ways of development are presented.
PL
Artykuł porusza problem związany wykonywaniem prognoz krótkoterminowych prognoz zapotrzebowania na moc w Krajowym Systemie Elektroenergetycznym. Jest wiele czynników, potencjalnie mogących mieć wpływ na wielkość obciążenia. Jedne z ważniejszych to czynniki meteorologiczne. W przedstawianej pracy podjęto próbę wykrywania wpływu czynników innych niż pogodowe. Są to medialne zjawiska masowe. Zaproponowano metodykę wykorzystującą metody i narzędzia analizy statystycznej umożliwiające ocenę wpływu różnych wydarzeń medialnych na zmiany w przebiegach obciążenia. Wykonano analizę wpływu wytypowanych wydarzeń o dużym znaczeniu medialnym na obciążenie KSE.
EN
Article raises the problem of performance-related short-term forecasting of power demand forecasts in the Power System. There are many factors that may potentially affect the size of the load. The meteorological factors are one of the most important. In the paper to an attempt to detect the influence of factors other than weather. These are mass media phenomenon. Proposed uses methods and tools for statistical analysis to assess the impact of different media events to changes in the load curves. Performed an analysis of the impact of designated events of major media to load in the Power System.
PL
Jest wiele czynników, potencjalnie mogących mieć wpływ na wielkość obciążenia. Jedne z ważniejszych to czynniki meteorologiczne. Mogą na obciążenie wpływać także czynniki pozapogodowe np. oglądalność telewizji. W przedstawianej pracy podjęto próbę oceny wpływu takich czynników. Wykonano analizę wpływu wytypowanych wydarzeń o dużym znaczeniu medialnym na obciążenie KSE. Podobne badania wykonano w celu stwierdzenia wpływu czynników pogodowych, a konkretnie temperatury, na zmianę obciążenia w systemie elektroenergetycznym. Zaproponowano metodykę wykorzystującą metody i narzędzia analizy statystycznej umożliwiające ocenę wpływu tych czynników na zmiany obciążenia.
EN
There are many factors, potentially being able to affect the magnitude of power load. Meteorological factors are one of more important ones. Non weather factors can also affect the load e.g. ratings of television. In the paper attempts to assess the influence of this factors. Analysis of the impact of great media significance on the PPS load during selected events was performed. Similar researches were performed in order to state the influence of weather factors, and more specifically the temperature, on load changes in the power system. Methodology of using methods and tools of statistical analysis to assess the influence of these factors on the load changes was proposed.
EN
Ones of the most accurate short-term electric energy consumption forecasting methods are those, which are based on an artificial neural network (ANN) technique. Quality of an ANN learning and testing process has been investigated. Evolutionary algorithm (EA) has been utilised to aid artificial neural network in operation, i.e. to learn ANN, determine proper neural network topology, choose optimal learning rules for ANN. Computational experiments have been executed on the test problems. Operation efficiency comparison of both methods, i.e. ANN and ANN aided by EA, have been presented.
PL
Sztuczne sieci neuronowe (ANN) są jedną z najdokładniejszych metod prognozowania krótkoterminowego zapotrzebowania na energię elektryczną. Zbadano jakość procesu uczenia i testowania ANN. Do wspomagania działania sztucznej sieci neuronowej, tj. do uczenia ANN, określania odpowiedniej topologii sieci neuronowej oraz wyboru właściwych reguł uczenia, wykorzystano algorytm ewolucyjny (AE). Przeprowadzono eksperymenty obliczeniowe na danych testowych. Porównano i zaprezentowano sprawność działania obu metod, tj. klasycznych sztucznych sieci neuronowych oraz sztucznych sieci neuronowych wspomaganych przez algorytmy ewolucyjne.
PL
Opracowano modele z wnioskowaniem typu Takagi-Sugeno o gaussowskich funkcjach przynależności w przestrzeni wejściowej do krótkoterminowego prognozowania zapotrzebowania na energię elektryczną odbiorców wiejskich. Ze względu na charakter zmienności obciążeń opracowano odrębne modele dla typowych dni tygodnia. Przeprowadzona analiza wykazała przydatność modeli Takagi-Sugeno do predykcji z wyprzedzeniem godzinowym i ich konkurencyjność w stosunku do rozmytych modeli Mamdaniego.
EN
Models with concluding, Takagi-Sugeno type, with Gaussian functions of affiliation in entry space were developed for short-term forecasting of rural consumers' demand for electric energy. Due to loads variability character separate models were developed for typical week days. Completed analysis proved usability of the Takagi-Sugeno models for prediction with hourly advance, and their competitiveness compared to Mamdani fuzzy models.
PL
Opracowano modele relacyjne do krótkoterminowego prognozowania zapotrzebowania na energię elektryczną odbiorców wiejskich. Przy ich wyznaczaniu skorzystano z opisanych w części I algorytmów wyznaczania modeli rozmytych. Przeprowadzona analiza wykazała przydatność zbudowanych w ten sposób modeli relacyjnych do predykcji z wyprzedzeniem godzinowym.
EN
The research involved development of relationship models for short-term predicting of electric energy demand for rural consumers. When defining them, the researchers used algorithms for determining fuzzy models described in part I. Completed analysis has proven that relationship models built in this way are useful for prediction with one-hour advance.
PL
Opracowano i oprogramowano algorytmy wyznaczania modeli rozmytych, a w szczególności algorytm doboru zmiennych wejściowych do modeli oraz algorytm wyznaczania struktury modeli. Spowodowało to przyśpieszenie procesu budowy modeli prognostycznych opartych na teorii zbiorów rozmytych, dając w ten sposób możność łatwego ich zastosowania do prognozowania zużycia energii elektrycznej na wsi.
EN
The scope of the research involved development and programming of algorithms for determining fuzzy models, and in particular an algorithm for selecting input variables for models and an algorithm for determining the structure of models. This resulted in the acceleration of the process involving construction of predicting models based on fuzzy set theory, thus making it possible to use them for predicting electric energy consumption in the country.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.