Wyniki wyszukiwania - BazTech

1

Prognozowanie dobowej produkcji energii elektrycznej przez turbinę wiatrową z horyzontem 1 doby

Baczyński D., Piotrowski P.

Przegląd Elektrotechniczny

|

2014

|

R. 90, nr 9

113-117

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.

2

Analiza skuteczności algorytmów PSO w szacowaniu jakości prognoz godzinowego zapotrzebowania na energię elektryczną wybranych grup odbiorców

Baczyński D., Piotrowski P.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 11a

25-29

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.

3

Zastosowanie algorytmu optymalizacji rojem cząstek w procesie uczenia sztucznej sieci neuronowej w prognozowaniu krótkoterminowym

Baczyński D.

Rynek Energii

|

2010

|

nr 4

52-56

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.

4

Problemy związane z prognozowaniem zużycia energii elektrycznej w Polsce

Dąsal K., Popławski T.

Polityka Energetyczna

|

2008

|

T. 11, z. 1

101-115

PL

Mówiąc o prognozowaniu zużycia energii elektrycznej można rozważać ten problem w różnych kategoriach. W podziale czasowym będą to najczęściej prognozy krótko, średnio i długookresowe. Chociaż podkreślić należy wyraźnie względność tego podziału. Horyzont roczny dla potrzeb Giełdy będzie prognozą długoterminową, dla innego odbiorcy - krótkookresową. Można wyróżnić prognozy w podziale strukturalnym, napięciowym, taryfowym, terytorialnym czy też w węzłach sieci na różnych poziomach napięć [2],[6]. Każdy z tych podziałów ma swoją specyfikę, wymaga różnych modeli, różnych danych wejściowych, różnić może się oceną dokładności prognoz, odmienne na ogół są też cele prognoz krótkoterminowych i długoterminowych. Znajomość prognoz długoterminowych jest niezbędna głównie dla celów racjonalnego prowadzenia eksploatacji systemu elektroenergetycznego, a także do planowania jego rozwoju. W artykule skoncentrowano się na jeszcze jednym, ważnym aspekcie modelowania w ogóle, a w szczególności energii elektrycznej. Chodzi tu o podjęcie decyzji: modelować z wykorzystaniem jedynie procesu, czyli szeregu czasowego, czy tez budować model przyczynowo - skutkowy.

EN

Talking about forecasting of electric energy consumption we shall consider the issue in different categories. In terms of forecasting period, the short-term, medium-term and long-term forecasts can be distinguished. The forecasts may be classified in the terms of structure, voltage, tariff, area or in the nodes of the network for different voltage levels [2,6]. Each of these specifications has its own peculiarities, requires different models, different input data, the accuracy assessment may be different as well as the aims of the short-term and long-term forecasts. The knowledge of long-term forecasts is necessary for reasonable use of resources in the electric power engineering system as well as for planning of its development. In the paper the attention was focused on another important aspect of modeling, in particular modeling of electric energy consumption. The decision to be taken is: to model using the process data only, i.e. time series, or to develop an econometric model.

5

Prognozowanie krótkoterminowe godzinowych obciążeń w spółce dystrybucyjnej wykorzystaniem sieci neuronowych – analiza wpływu doboru i przetworzenia danych na jakość prognoz

Piotrowski P.

Przegląd Elektrotechniczny

|

2007

|

R. 83, nr 7-8

40-43

PL

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.