PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  prognozowanie krótkoterminowe obciążeń
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Temperature correction method for pattern similarity-based short-term electricity demand forecasting models
Janicki M
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 3
11--14
EN
In this paper, a temperature extension of pattern similarity-based (PSB) short-term load forecasting models is proposed. Different variants of these models were recently thoroughly described in literature, though focus was placed on univariate-type ones. Proposed method introduces correction of temperature bias into the model. PSB model with proposed correction is examined on several datasets illustrating power systems with various demand characteristics. Different variants of method are investigated to evaluate its influence on forecasting performance of the model.
PL
W pracy przedstawiono temperaturowe rozszerzenie modeli prognostycznych opartych na podobieństwie obrazów. Proponowana metoda wprowadza do modeli korekcję uwzględniającą wpływ temperatury na zapotrzebowanie na energię. Działanie różnych wariantów przedstawionej korekcji jest badane na zbiorach danych pochodzących z różnych systemów energetycznych.
2
Content available remote Stochastic optimization algorithms for learning GRNN forecasting model – comparative study
Dudek G.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 4
66--69
EN
This paper presents stochastic optimization algorithms for learning Generalized Regression Neural Network which is used as a patternbased short-term load forecasting model. For adjustment of the model parameters four types of stochastic optimization methods are used: evolution strategies, differential evolution, particle swarm optimization and tournament searching. The learning effectiveness when using these four algorithms is compared on real power system load data.
PL
W artykule zaprezentowano stochastyczne algorytmy uczenia sieci neuronowej regresji uogólnionej, która pełni funkcję modelu krótkoterminowego prognozowania obciążeń elektroenergetycznych. Do strojenia parametrów modelu użyto czterech metod optymalizacji stochastycznej: strategii ewolucyjnych, ewolucji różnicowej, optymalizacji rojem cząstek i przeszukiwania turniejowego. Efektywność tych metod w uczeniu sieci porównano w badaniach symulacyjnych przy użyciu rzeczywistych danych.
3
Content available remote Nearest neighbour model with weather inputs for pattern-based electricity demand forecasting
Dudek G., Janicki M.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 3
7--10
EN
A nearest neighbour model with exogenous variables representing weather factors for electricity demand forecasting in short horizons is proposed. Weather factors are included into the k-nearest neighbours regression model as forecast pattern contexts. Similarities between contexts affect the weights assigned to the patterns in the regression model. The proposed model is examined in several forecasting problems with different levels of influence of weather factors on the demand. For strong influence the forecast results are improved due to incorporation of weather inputs.
PL
Zaproponowano model najbliższych sąsiadów ze zmiennymi egzogenicznymi reprezentującymi czynniki pogodowe do krótkoterminowego prognozowania zapotrzebowania mocy. Czynniki pogodowe wprowadzone są do modelu regresji k-najbliższych sąsiadów jako konteksty obrazów prognoz. Podobieństwa pomiędzy kontekstami wpływają na wagi obrazów w modelu regresyjnym. W badaniach symulacyjnych obserwuje się poprawę rezultatów dzięki wprowadzeniu kontekstów, gdy wpływ czynników pogodowych na zapotrzebowanie jest istotny.
4
Content available remote Optymalizacja modelu regresji jądrowej do krótkoterminowego prognozowania obciążeń systemów elektroenergetycznych
Dudek G.
Przegląd Elektrotechniczny
|
2011
|
R. 87, nr 9a
222-225
PL
Model regresji jądrowej do krótkoterminowych prognoz obciążeń systemów elektroenergetycznych wykazuje wrażliwość na wartości parametrów wygładzania funkcji jądrowych. Proponuje się kilka metod doboru wartości parametrów wygładzania: prostą metodę zachłanną, algorytm ewolucyjny oraz przeszukiwanie turniejowe.
EN
A kernel model to the short-term load forecasting is very sensitive to the bandwidth values of the kernel functions. Some methods of the bandwidth value selection are presented: simple greedy method, evolutionary algorithm and tournament searching.
5
Content available remote Neuro-fuzzy approach to the next day load curve forecasting
Dudek G.
Przegląd Elektrotechniczny
|
2011
|
R. 87, nr 2
61-64
EN
An adaptive neuro-fuzzy inference system ANFIS is used to the short-term load forecasting. ANFIS combines the comprehensibility of fuzzy rules and the adaptability and self-learning algorithms of neural networks. The model maps the input pattern of the sequence of the historical hourly load time series to the component of the next sequence. Input space is divided on fuzzy sets by fuzzy c-means clustering. The most informative input variables are determined using deterministic variable selection algorithms. Individual models are constructed for each day type and hour of the day. The method is applied to several load forecasting problems.
PL
Adaptacyjny neuronowo-rozmyty system wnioskujący ANFIS zastosowano do prognozowania krótkoterminowego obciążeń systemów elektroenergetycznych. ANFIS łączy czytelność reguł rozmytych i adaptacyjność samouczących się sieci neuronowych. Model odwzorowuje obraz wejściowy sekwencji historycznego godzinowego szeregu czasowego obciążeń na składową obrazu następnej sekwencji. Przestrzeń wejściowa jest dzielona na zbiory rozmyte przy użyciu rozmytej metody c-średnich. Zmienne wejściowe niosące najwięcej informacji wyznaczane są za pomocą deterministycznych algorytmów selekcji zmiennych. Odrębne modele są tworzone dla każdego typu dnia i godziny doby. Metodę zastosowano do kilku problemów prognozowania obciążeń.
6
Content available remote A comparison of the neural gas and self organizing map methods for next day load curve forecasting
Dudek G.
Przegląd Elektrotechniczny
|
2009
|
R. 85, nr 3
153-156
EN
Both the neural gas and self organizing map clustering methods are used in the short-term load forecasting. Two approaches, based on the similarity of the load sequence patterns, are presented in the paper. Patterns preceding the forecast moment and the patterns of forecast, which are concatenated and then divided into clusters, are used in the first model. 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.
PL
Gaz neuronowy i samoorganizujące się odwzorowanie jako metod grupowania użyto do krótkoterminowego prognozowania obciążeń elektroenergetycznych. Zaprezentowano dwa podejścia oparte na podobieństwie obrazów sekwencji obciążeń. Pierwszy model używa obrazów poprzedzających moment prognozy i obrazów prognoz, które są połączone i pogrupowane. W drugim podejściu obliczane są empiryczne prawdopodobieństwa, że obraz prognozy należy do grupy j gdy skojarzony z nim obraz wejściowy należy do grupy i. Prawdopodobieństwa te wykorzystuje się do konstrukcji prognozy.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.