Artykuł porusza problematykę prognozowania krótkookresowego ceny energii elektrycznej na Rynku Dnia Następnego. Badania przeprowadzone zostały na rzeczywistych danych, dla których skonstruowano szereg czasowy. Wykonano analizę statystyczną i przeprowadzono testy pozwalające na wybór odpowiedniej metody i modelu predykcyjnego. Zaproponowano kilka modeli prognostycznych dla przewidywania ceny w horyzoncie dobowym. Dokonano analizy oceny prezentowanych modeli.
EN
Article raises the problem of short-term forecasting of the electricity price on the Day-Ahead-Market. Researches were conducted on real data, for which the time series was constructed. Statistical analysis and tests were performed which allow to choose the proper method and predictive model. It was proposed several forecasting models to predict price in the twenty-four hours horizon. It was performed analysis and evaluation used tor presented models.
Artykuł zawiera wybrane wyniki badań dotyczące istoty i implementacji Algorytmu Ewolucyjnego inspirowanego obliczeniami kwantowymi do poprawy parametrów modelu neuralnego wyznaczającego ceny na Towarowej Giełdzie Energii Elektrycznej. Do uczenia Sztucznej Sieci Neuronowej modelu systemu wykorzystano dane liczbowe notowane na Rynku Dnia Następnego w okresie od 01 stycznia 2015 r. do 30 czerwca 2015 r. Szczególną uwagę zwrócono na sposób systemowego tworzenie Populacji Początkowej oraz na sposób systemowego tworzenie funkcji krzepkości (funkcji przystosowania), a na tej bazie na metodę kwantyzacji, dekwantyzacji i obliczeń kwantowych przeprowadzonych z wykorzystaniem pojęcia kwantowej liczby mieszanej i rachunku wektorowo-macierzowego. Uzyskano znaczącą poprawę modelu neuralnego wspomaganego algorytmem ewolucyjnym inspirowanym kwantowo w stosunku do modelu neuralnego wspomaganego algorytmem ewolucyjnym bez inspiracji kwantowej.
EN
The paper contains selected research results on the nature and implementation of the Evolutionary Algorithm inspired by quantum computation to improve the parameters of the neural model determining prices at the Polish Power Exchange. To learn the Artificial Neural Network system model, the figures quoted on the Commodity Electricity Market of the Day-Ahead Market were used in the period from January 1, 2018 to June 30, 2018. Particular attention was paid to the systemic creation of the Initial Population and the systemic creation of the function of solidification (function adaptation), and on this basis, the quantization, dequantization and quantum computation methods carried out using the quantum concept of a mixed number. Significant improvement of the neural model supported by quantum-inspired evolutionary algorithm in relation to the model without quantum inspiration was obtained.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.