PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 14

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Model wyznaczania obciążeń oraz obliczania rozpływów mocy w sieci terenowej średniego napięcia
Marzecki Jerzy, Drab Mariusz
Przegląd Elektrotechniczny
|
2022
|
R. 98, nr 3
145--148
PL
W artykule przedstawiono model wyznaczania obciążeń oraz obliczania rozpływów mocy w sieci terenowej SN, którego zastosowanie nie wymaga obszernych danych wejściowych. Zaprezentowano charakterystykę odbiorców energii elektrycznej, którzy są zasilani z sieci terenowej niskiego i średniego napięcia wraz z krótką informacją na temat tych sieci. Omówiono metody mające zastosowanie do wyznaczania prognozy średnioterminowej obciążenia terenowych stacji transformatorowych SN/nn. Działanie modelu zobrazowano poprzez przykład obliczeniowy rocznych obciążeń wybranych terenowych stacji wraz z symulacją rozpływów w latach 2012-2019. Przeprowadzono analizę otrzymanych wyników obliczeń z danymi rzeczywistymi.
EN
The article presents a model for determining loads and calculating power flows in the MV rural distribution network, the use of which does not require extensive input data. It presents the characteristics of electricity consumers, supplied from LV and MV rural distribution network, along with a brief information on these networks. The methods used to determine the medium-term load forecast of MV/LV rural stations were discussed. The model functionality was illustrated by a calculation example of the annual loads of selected rural stations, along with the flow simulation in 2012- 2019. The comparative analysis was made based on actual data.
2
Content available Testowanie systemu estymowania zapotrzebowania na moc w czasie quasi-rzeczywistym w obszarze sieci średniego napięcia w warunkach ograniczonej obserwowalności
Pakulski Tomasz, Bronk Leszek
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
|
2019
|
Nr 62
101--104
PL
W referacie zaprezentowano możliwości praktycznego wykorzystania dostępnych pomiarów w celu estymacji w czasie quasi-rzeczywistym zapotrzebowania na moc czynną (P) i bierną (Q) w wybranym obszarze sieci średniego napięcia (SN) w warunkach ograniczonej obserwowalności. Do estymacji chwilowego zapotrzebowania odbiorców na moc wykorzystano prognozy obciążeń na dobę następną, profile zużycia energii pozyskiwane w trybie offline z liczników bilansujących systemu AMI, pomiary poboru mocy P i Q w wybranych punktach transformacji SN/nn (stacji referencyjnych) oraz pomiary meteorologiczne. W referacie przedstawiono wyniki testowania systemu estymowania zapotrzebowania na moc wykonanego w ramach projektu „Budowa Lokalnego Obszaru Bilansowania (LOB) jako elementu zwiększania bezpieczeństwa i efektywności energetycznej pracy systemu dystrybucyjnego”.
EN
The paper presents the possibilities of the practical use of available measurements to estimate in quasi-real time the demand for active (P) and reactive (Q) powers in a selected medium voltage (MV) grid area under conditions of limited observability. To estimate customers instantaneous power demand, the next day load forecasts, energy consumption profiles obtained offline from AMI (Advanced Metering Infrastructure) balancing meters, P and Q power measurements in selected MV/ LV transformation points (reference substations) and meteorological measurements were used. To build the forecasting model, the artificial intelligence methods based on neural networks (ANN) contained in MATLAB computing environment were used. The paper presents the results of testing the power demand estimation system made as part of the project The Building of a Local Balancing Area (LBA) as an Element of Increasing the Safety and Energy Efficiency of the Distribution System Operation implemented with the participation of Energa Operator SA, the University of Zielona Gora and the Institute of Power Engineering Gdansk Division.
3
Content available remote Prognozowanie zapotrzebowania na moc w KSE z zastosowaniem grupowania rozmytego
Ciechulski Tomasz, Osowski Stanisław
Przegląd Elektrotechniczny
|
2019
|
R. 95, nr 10
185--189
PL
W artykule przedstawiona została metoda prognozowania zapotrzebowania dobowego na moc w Krajowym Systemie Elektroenergetycznym (KSE) z dowolnym wyprzedzeniem czasowym przy zastosowaniu grupowania rozmytego, zrealizowanego przy użyciu algorytmu C-means. Do badań numerycznych posłużyły dane godzinowe zapotrzebowania na moc w KSE z lat: 2014-2018. Na podstawie kilku ostatnich lat użytych w uczeniu systemu rozmytego przeprowadzono predykcję zapotrzebowania na moc dla każdego dnia roku 2018.
EN
The paper shows the method of 24-hour load forecasting in National Power System in Poland with unlimited time advance and with application of fuzzy sets and C-means algorithm. The hourly load data in KSE from the period of 2014-2018 have been used in experiments. The first 4 years data have been used in learning fuzzy system and data of the last year - 2018 have been used only in testing of the learned system.
4
Content available remote Prognozowanie zapotrzebowania mocy w KSE z horyzontem dobowym przy zastosowaniu zespołu sieci neuronowych
Ciechulski T., Osowski S.
Przegląd Elektrotechniczny
|
2018
|
R. 94, nr 9
108--112
PL
Artykuł przedstawia neuronową metodę prognozowania 24-godzinnego zapotrzebowania na moc elektryczną w Krajowym Systemie Elektroenergetycznym w Polsce z wyprzedzeniem dobowym. W predykcji zastosowano zespół sieci neuronowych złożony z RBF, MLP i SVM. Wskazania każdego członka zespołu podlegają integracji tworząc końcową prognozę zapotrzebowani na moc dla kolejnych 24 godzin następnego dnia. Metoda została przetestowana na danych rzeczywistych Krajowego Systemu Elektroenergetycznego wykazując znaczną przewagę nad pojedynczymi rozwiązaniami neuronowymi.
EN
The paper shows the neural method applied for 24-hour load forecasting for the next day in National Power System in Poland. Three neural networks: RBF, MLP and SVM arranged in an ensemble were used for predicting hourly load demands in the power system. Their individual predictions have been integrated into final forecast. The method was tested on the real data of Polish Power System, proving its effectiveness and significant improvement in accuracy.
5
Content available Power Demand Estimation in Quasi-Real Time in a Medium Voltage Grid Area Under Conditions of Limited Observability
Pakulski T., Bronk L.
Acta Energetica
|
2018
|
nr 4
68--74
EN
The paper presents the possibilities of practical use of available measurements to estimate in quasi-real time the demand for active (P) and reactive (Q) powers in a selected medium voltage (MV) grid area under conditions of limited observability. To estimate customers instantaneous power demand, the next day load forecasts, energy consumption profiles obtained off-line from AMI (Advanced Metering Infrastructure) balancing meters, P and Q power measurements in selected MV/ LV transformation points (reference substations), and meteorological measurements were used. To build the forecasting model, the artificial intelligence methods based on neural networks contained in MATLAB computing environment were used. The power demand and distribution grid operating status estimation method was used in the project “Development of a local balancing area as an element of increasing the distribution system operation security and energy efficiency”. The task was financed under the GEKON Program by NCBiR National Centre of Research and Development and NFOŚiGW National Fund for Environmental Protection and Water Management, and implemented with the participation of ENERGA-OPERATOR SA, the University of Zielona Gora and the Institute of Power Engineering, Gdansk Division.
PL
W artykule zaprezentowano możliwości praktycznego wykorzystania dostępnych pomiarów w celu estymacji w czasie quasi-rzeczy- wistym zapotrzebowania na moc czynną (P) i bierną (Q), na wybranym obszarze sieci średniego napięcia (SN), w warunkach ograniczonej obserwowalności. Do celów estymacji chwilowego zapotrzebowania odbiorców na moc wykorzystywano prognozy obciążeń na dobę następną, profile zużycia energii pozyskiwane w trybie offline z liczników bilansujących systemu AMI, pomiary poboru mocy P i Q w wybranych punktach transformacji SN/nn (stacji referencyjnych) oraz pomiary meteorologiczne. Do budowy modelu prognostycz-nego wykorzystano metody sztucznej inteligencji oparte na sieciach neuronowych zawartych w środowisku obliczeniowym MATLAB. Opracowana metoda szacowania zapotrzebowania na moc i estymacji stanu pracy sieci dystrybucyjnej została wykonana w ramach projektu „Budowa Lokalnego Obszaru Bilansowania (LOB) jako elementu zwiększania bezpieczeń- stwa i efektywności energetycznej pracy systemu dystrybucyjnego”. Zadanie było finansowane w ramach Programu GEKON przez Narodowe Centrum Badań i Rozwoju (NCBiR) oraz Narodowy Fundusz Ochrony Środowiska i Gospodarki Wodnej (NFOŚiGW) i realizowane przy współudziale ENERGA-OPERATOR SA, Uniwersytetu Zielonogórskiego i Instytutu Energetyki Oddział Gdańsk.
6
Content available remote Local dynamic integration of ensemble of predictors in load forecasting
Ciechulski T., Osowski S.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 10
57--59
EN
The paper shows the new approach to integration of an ensemble of neural predictors in load forecasting. In opposite to classic integration method built upon weighted averaging of every single predictor results this integration method uses only the results of one predictor which was the best on the input data of the learning vectors from the past, which were closest to the actual excitation. Thanks to this the result of ensemble is never worse than the best unit in ensemble. The results of 24-hour ahead prediction of the daily load in small power system have confirmed the efficiency of the proposed solution.
PL
Artykuł przedstawia nowe podejście do integracji zespołu predyktorów neuronowych w zadaniu prognozowania godzinnych obciążeń dobowych z wyprzedzeniem 24-godzinnym. W metodyce tej do predykcji używany jest tylko jeden – najlepszy predyktor dla analizowanej doby. Konkretny wektor obciążeń z danych uczących wraz z najbardziej dokładną odpowiadającą mu siecią neuronową wyłonioną w trybie uczenia wybierany jest na podstawie najmniejszej odległości euklidesowej badanego wektora w trybie testującym. Wyniki badań numerycznych potwierdzają wyższość prezentowanej metody nad rozwiązaniami klasycznymi predykcji.
7
Content available remote Zastosowanie sieci neuronowych Kohonena do prognozowania obciążeń elektroenergetycznych
Ciechulski T., Osowski S.
Przegląd Elektrotechniczny
|
2016
|
R. 92, nr 10
209--213
PL
Praca przedstawia analizę zastosowania różnych algorytmów uczących Kohonena w prognozowaniu profili obciążeń w małym systemie elektroenergetycznym w Polsce. W badaniach numerycznych, przeprowadzonych w środowisku programistycznym MATLAB, wzięły udział algorytmy WTA, CWTA, gaussowski WTM oraz algorytm gazu neuronowego WTM. Prognozowanie przeprowadzane zostało na podstawie uśrednionych wag neuronów zwyciężających w przeszłości dla danego typu dnia tygodnia.
EN
The paper shows the application of self-organizing methods in Kohonen network for prediction of the profiles of load in a small power system in Poland. Four learning methods were used: WTA, CWTA, Gaussian WTM and neural gas. The prediction of power consumption has been limited to the profile of load. The vector profile prognosis is equal to the average of vectors of the winning neurons in the appropriate days of the week and month.
8
Content available Ocena modelowania dynamicznego jako narzędzia do prognozowania zużycia energii elektrycznej przez odbiorców indywidualnych
Grycan W., Wróblewski Z.
Prace Instytutu Elektrotechniki
|
2016
|
Z. 272
167--178
PL
Prognozowanie zużycia energii elektrycznej jest narzędziem niezbędnym dla nowoczesnego zarządzania energią elektryczną. Umiejętność właściwego przewidywania przyszłych zachowań stanowi podstawę efektywnego zarządzania. Ze względu na dużą zmienność zużycia energii w czasie i brak możliwości jej długotrwałego magazynowania, szczególnie istotnym zagadnieniem jest wybór właściwych narzędzi prognostycznych, możliwie dokładnie określających zużycie energii w rozpatrywanym czasie. W artykule opisano modelowanie dynamiczne i przedstawiono wyniki prognostyczne dla modeli dynamicznych, opracowanych dla grupy odbiorców indywidualnych. Wyniki oceniono na podstawie danych o rzeczywistym zużyciu energii elektrycznej w tym okresie.
EN
The forecasting of the electricity consumption is an indispensable tool for the modern electrical energy management. The ability of the prediction of future behaviours is the basis for the effective management. Due to the high variability of the energy consumption over time and the impossibility of its long-term storage, particularly important issue is the selection of appropriate tools for the forecasting and determining of the consumption as precisely as possible. The article describes the dynamic modelling and the results of predictive dynamic models developed for a group of individual customers. The results were evaluated on the basis of the actual consumption of the electric energy.
9
Content available remote Ocena wpływu wyodrębnienia składowej stałej na jakość prognozy obciążeń elektroenergetycznych
Ciechulski T., Osowski S.
Przegląd Elektrotechniczny
|
2015
|
R. 91, nr 10
197-200
PL
W pracy przedstawione zostało nowe podejście do prognozowania zapotrzebowania na energię elektryczną w małym systemie elektroenergetycznym w Polsce. W rozwiązaniu problemu wykorzystano dekompozycję obciążeń 24-godzinnych na składową stałą oraz zmienną. Główny wysiłek badawczy został skierowany na predykcję wektora 24-elementowego składowej zmiennej.
EN
This paper presents new approach to the issue of power load forecasting in a small system in Poland. The load is decomposed into two components: the mean value of the day and the variable part. The main problem is prediction of 24-hour load pattern of the variable term and this paper is concerned mainly on this task.
10
Content available remote RVM with wavelet kernel combined with PSO for short-term load forecasting in electric power systems
Wang L., Liu Z.
Przegląd Elektrotechniczny
|
2012
|
R. 88, nr 1b
146-149
EN
This paper presents a new hybrid method for the short-term load forecasting in electric power systems based on particle swarm optimization (PSO) and relevance vector machine (RVM). In this method, we firstly develop a type of kernel as the kernel function of the RVM model, and then its parameter is optimized by the PSO, finally the established RVM forecast mode is applied to short-term load forecasting in electric power systems in a city. The simulation results show the parameter of the wavelet kernel is well optimized using the PSO, and the acquired RVM model is more sparse and can obtain higher forecast accuracy compared with the RVM model with Gaussian kernel, so the proposed method is effective for forecasting the short-term load in electric power systems.
PL
W artykule zaprezentowano nową hybrydową metode krótkoterminowego prognozowania obciążeń sieci energetycznej bazująca na algorytmie mrówkowym PSO i narzędzia RVM (relevance vector machine). W pierwszym etapie wyznaczane jest falkowe jądro (kernel) jako RVM co znacznie poprawia skuteczność algorytmu PSO.
11
Metody określania niepewności prognoz krótkoterminowego obciążenia sieci dla modeli neuronowych i neuronowo-rozmytych
Bartkiewicz W.
Rynek Energii
|
2011
|
nr 1
41-46
PL
Artykuł dotyczy problematyki określania niepewności prognoz zapotrzebowania energii, dla powszechnie stosowanych modeli prognostycznych opartych na warstwowych sieciach perceptronowych (MLP) i neuronowo-rozmytych sieciach z funkcjami o bazie rozmytej (FBF). Przedstawiono w nim zagadnienia związane z łączeniem prognoz z procesami decyzyjnymi, które są przez nie zasilane. Omówione zostało zagadnienie wyznaczania przedziałów prognozy zapotrzebowania oraz określania optymalnej wielkości zamówienia w warunkach ryzyka, wynikającego z błędu prognozy. Następnie przedstawiono dwa podstawowe podejścia do szacowania niepewności nieliniowych modeli prognostycznych.
EN
The paper discuss the problem of uncertainty assessment of short-term load forecasts for commonly used neural MLP networks and neuro-fuzzy FBF models. The point of our interest is connection between forecasts and decision processes. There are several exemplary topics from this area discussed, like prediction intervals estimation, or optimization of the market order size under risk resulted from the forecasting error. Then we analyzed two basic approaches to forecast uncertainty (variance) assessment for nonlinear models.
12
Zastosowanie regresji liniowej do analizy obciążeń cieplnych
Bućko P.
Rynek Energii
|
2009
|
nr 5
18-21
PL
W artykule przedstawiono przykład zastosowania regresji liniowej do wyznaczenia zapotrzebowania na ciepło. Współczynniki prostej regresyjnej wyznaczane są na podstawie analizy regresyjnej danych dobowych o zapotrzebowaniu na ciepło. Prognoza zapotrzebowania na ciepło wykorzystuje wyznaczone współczynniki i planowane stopniodni w okresie prognozy. Przedstawiono wyniki zastosowania metody do prognozowania obciążeń w przykładowym miejskim systemie ciepłowniczym.
EN
The example of implementation of linear regression for a forecast of heat demand is presented in the paper. The linear regression coefficients are calculated using regression of heat demand daily data. Heat demand forecast is formulated basing on historical coefficients and forecasting degree-days in the forecast period. The results of method implementation in the town heating system are presented in the paper.
13
Content available remote Electrical power forecasting for small energetic railway region using SVM
Siwek K., Osowski S.
Przegląd Elektrotechniczny
|
2007
|
R. 83, nr 11
6-9
EN
The paper presents the Support Vector Machine (SVM) approach to the short term (24 hours ahead) load forecasting for small energetic region serving the railway system. The main problem in such forecasting is large diversity of load demand, changing from hour to hour. The proposed solution applies 24 SVM networks responsible for prediction of the load demand for each hour of the day. The results of numerical experiments regarding the small railway region in the form of MAPE and MAX errors are presented and discussed in the paper.
PL
Praca przedstawia prognozowanie zapotrzebowania na energię elektryczną w małym kolejowym rejonie elektroenergetycznym z wyprzedzeniem jednodniowym na każdą z 24 godzin. Podstawą rozwiązania jest system 24 sieci neuronowych typu Support Vector Machine, z których każda jest specjalizowana do prognozy na jedną określoną godzinę w ciągu doby. Dla uzyskania jak najlepszych wyników prognozy opracowano specjalny zestaw cech diagnostycznych, na podstawie których dokonywana jest prognoza. Wyniki uzyskane dla małego rejonu kolejowego zasilania pokazują, że zastosowanie metody pozwala uzyskać poprawę dokładności prognozowania rzędu 20% w stosunku do klasycznych metod prognozowania.
14
Content available remote Prognozowanie obciążeń stojaków hydraulicznych dwuteleskopowych obudów GLINIK-066/16 oraz GLINIK-08/22 wskutek wstrząsu górotworu i dobór zabezpieczeń
Madejczyk W.
Maszyny Górnicze
|
2002
|
R. 20, nr 1
12-18
PL
Przeanalizowano wpływ sprężystości stojaków hydraulicznych dwuteleskopowych na przejmowanie obciążeń wynikających ze wstrząsów górotworu. Określono obciążenia dynamiczne stojaków oraz sposoby zwiększenia odporności stojaków na obciążenia dynamiczne.
EN
The influence of two-telescopic hydraulic prop elasticity on taking the loads resulting from rock mass bumps was analyzed. The dynamic loads of props as well as methods of increase the resistance of prop to dynamic loads were determined.
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.