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

Heterogeneous distance functions for prototype rules : influence of parameters on probability estimation

Blachnik M., Duch W., Wieczorek T.

Studia Informatica : systems and information technology

|

2006

|

Vol. 1(7)

19--30

EN

An interesting and little explored way to understand data is based on prototype rules (P-rules). The goal of this approach is to find optimal similarity (or distance) functions and position of prototypes to which unknown vectors are compared. In real applications similarity functions frequently involve different types of attributes, such as continuous, discrete, binary or nominal. Heterogeneous distance functions that may handle such diverse information are usually based on probability distance measure, such as the Value Difference Metrics (VDM). For continuous attributes calculation of probabilities requires estimations of probability density functions. This process requires careful selection of several parameters that may have important impact on the overall classification of accuracy. In this paper, various heterogeneous distance function based on VDM measure are presented, among them some new heterogeneous distance functions based on different types of probability estimation. Results of many numerical experiments with such distance functions are presented on artificial and real datasets, and quite simple P-rules for several heterogeneous databases extracted.

5

Zastosowanie wymiaru Hausdorffa do prognozy cen energii na Towarowej Giełdzie Energii

Popławski T.

Przegląd Elektrotechniczny

|

2006

|

R. 82, nr 9

35-37

PL

Artykuł opisuje jeden z elementów teorii chaosu zdeterminowanego jako narzędzie predykcji. Został skonstruowany jeden model prognostyczny. Model ten używa wymiaru Hausdorffa do przewidywania przypadkowych linearnych procesów jednej zmiennej lub przypadkowych funkcji cyklicznych. Algorytm został zweryfikowany do prognozowania cen na Towarowej Giełdzie Energii.

EN

The paper presents one of the elements of the deterministic chaos theory as a tool of prediction. The prediction model has been formulated. The model applies the Hausdorff dimension to prediction of random linear processes of one variable or random periodic functions. The algorithm was verified to the prediction of electricity prices on the Polish Power Exchange.

6

Rozmyty model prognozowania cen energii na Towarowej Giełdzie Energii

Popławski T.

Przegląd Elektrotechniczny

|

2006

|

R. 82, nr 9

41-43

PL

Artykuł przedstawia próbę zastosowanie reguł i zasad modelowania rozmytego do prognoz cen energii na Towarowej Giełdzie Energii. Główną zaletą modeli rozmytych względem konwencjonalnych modeli matematycznych jest możliwość ich opracowania na bazie znacznie mniejszej informacji o systemie. Informacja ta może mieć charakter nieprecyzyjny, rozmyty. W artykule zaproponowano implementację jednego z klasycznych modeli rozmytych - Takagi-Sugeno. Modyfikacja tego modelu polega na zastosowaniu wymiaru fraktalnego z teorii chaosu zdeterminowanego we wnioskowaniu rozmytym zamiast znanych analitycznie postaci funkcji. Model zweryfikowano na przykładach prognoz cen energii na Towarowej Giełdzie Energii.

EN

The paper presents an attempt at applying the rules and principles of fuzzy modelling to prices forecasting on the Polish Power Exchange. The main advantage of fuzzy models, as compared to conventional mathematical models, is that they can be developed on then basis of significantly smaller amount of information on the system and that the information can be incomplete and/or imprecise. In the paper one of the classical fuzzy models has been implemented, namely the Takagi-Sugeno model, which has been modified by applying a fractal dimension derived from the theory of deterministic chaos, instead of a known function in an analytical form. The model was verified on the several examples ofthe forecast electricity prices on the Polish Power Exchange.

7

Przetwarzanie danych w opartych na podobieństwie metodach prognozowania przebiegów dobowych zapotrzebowania na moc elektryczną

Dudek G.

Przegląd Elektrotechniczny

|

2006

|

R. 82, nr 9

15-19

PL

Przedstawiono koncepcję metod prognozowania wykorzystujących podobieństwo obrazów sekwencji szeregów czasowych. Podano kilka metod przetwarzania elementów sekwencji szeregu czasowego w celu konstrukcji obrazów wejściowych i obrazów prognoz. Dla różnych definicji obrazów wykonano prognozy dobowych przebiegów obciążeń systemu elektroenergetycznego używając minimalnoodległościowego modelu prognostycznego k najbliższych sąsiadów.

EN

A conception of forecasting methods based on similarities between time series sequence patterns is presented. Several methods of time series sequence elements preprocessing for forming input patterns and forecast patterns are described. For different definitions of patterns, forecasts of the daily power system load profiles are constructed. For this purpose a minimum-distance method, based on the k-nearest-neighbor rule, was applied.

8

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.

9

Duch W.

Control and Cybernetics

|

2000

|

Vol. 29, no 4

937-967

EN

Similarity-based methods (SBM) are a generalization of the minimal distance (MD) methods which form a basis of several machine learning and pattern recognition methods. Investigation of similarity leads to a fruitful framework in which many classification, approximation and association methods are accommodated. Probability p(C|X; M) of assigning class C to a vector X, given a classification model M, depends on adaptive parameters and procedures used in construction of the model. Systematic overview of choices available for model building is presented and numerous improvements suggested. Similarity-Based Methods have natural neural-network type realizations. Such neural network models as the Radial Basis Functions (RBF) and the Multilayer Perceptrons (MLPs) are included in this framework as special cases. SBM may also include several different submodels and a procedure to combine their results. Many new versions of similarity-based methods are derived from this framework. A search in the space of all methods belonging to the SBM framework finds a particular combination of parameterizations and procedures that is most appropriate for a given data. No single classification method can beat this approach. Preliminary implementation of SBM elements tested on a real-world datasets gave very good results.