W artykule omówiono wpływ temperatury na prognozę dobowego profilu obciążeń elektroenergetycznych z wyprzedzeniem od jednego dnia do tygodnia, dla każdej pory roku, dla spółki dystrybucyjnej o maksymalnej wartości godzinowego szczytu rocznego rzędu 1000 MW. Do określenia prognozy użyto modeli opartych na sieci neurorozmytej ANFIS i sieci neuronowej typu kaskadowego. Zwrócono uwagę na praktyczny brak zależności od temperatury w okresie letnim oraz problemy związane z dokładnością prognozy i porównywania wyników uzyskanych dla różnych wielkości systemów energetycznych.
EN
Temperature influence of short-term daily profile load forecasting one day to week ahead, for each season.for distri- bution company with max daily pik about 1000 MW, was shown. For realise models of load forecasting, neuro-fuzzy ANFIS and cascaded neural network were used. Practical temperature indepedence in summer season was observed. Accuracy and uncomparison results problems for different magnitude systems were discused.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.