The paper presents an improved method for 1-24 hours load forecasting in the power system, integrating and combining different neural forecasting results by an ensemble system. We will integrate the results of partial predictions made by three solutions, out of which one relies on a multilayer perceptron and two others on self-organizing networks of the competitive type. As the expert system we will apply different integration methods: simple averaging, SVD based weighted averaging, principal component analysis and blind source separation. The results of numerical experiments, concerning forecasting the hourly load for the next 24 hours of the Polish power system, will be presented and discussed. We will compare the performance of different ensemble methods on the basis of the mean absolute percentage error, mean squared error and maximum percentage error. They show a significant improvement of the proposed ensemble method in comparison to the individual results of prediction. The comparison of our work with the results of other papers for the same data proves the superiority of our approach.
Referat dotyczy problematyki prognozowania zapotrzebowania na miesięczne moce szczytowe dla Krajowego Systemu Elektroenergetycznego (KSE) przy warunkach ograniczających określonych długoterminowymi scenariuszami zapotrzebowania na roczną energię i roczne maksymalne zapotrzebowanie na moc. Kolejno opisano podstawy modelu matematycznego, sposób jego adaptacji, wskazano i rozważono problemy dotyczące obciążeń w miesiącach letnich, oraz opisano i zilustrowano wyniki eksperymentu obliczeniowego.
EN
The paper concerns the issue of forecasting of demand for peak monthly power in the domestic power engineering system at limiting conditions, which are determined with long-time scenarios concerning demand for annual energy and annual maximum power demand. In subsequent paragraphs the foundations of the mathematical model and methods of its adaptation are described. The problems concerning loads in summer months are pointed out and considered in greater details, as well as the results of calculation experiment are described and illustrated.
W niniejszym referacie przedstawia się nową oryginalną metodę długoterminowego prognozowania rozkładu przestrzennego zapotrzebowania na moc i energię elektryczną w aglomeracjach miejskich. Proponuje się podejście "od szczegółu do ogółu" (ang. bottom-up) do problemu prognozowania przestrzennego. Podejście takie nie uwzględnia zmien-nych objaśniających modelu o charakterze globalnym (wielkoobszarowym). Identyfikuje się jedynie predyktory o charakterze lokalnym, a następnie znajduje się optymalną postać modelu prognostycznego, który jest oparty na technice rozmytych automatów komórkowych. Zaprezentowano uogólniony model prognostyczny, identyfikację jego parametrów oraz testową (wygasłą) prognozę przestrzenną zapotrzebowania na energię elektryczną dla jednej z dzielnic m. st. Warszawy - Białołęki. Dokonano także analizy błędów prognozy wygasłej w celu określenia jakości zaproponowanej metody prognostycznej.
EN
This paper deals with a new original method of spatial electric load forecasting for urban agglomerations. A bottom-up approach is proposed which does not take into account the global exogenous varieties. Only local exogenous varieties affecting the spatial electric load distribution in a forecasting model are identified. For this purpose a technique of fuzzy cellular automata is used. The forecasting model as well as identified model parameters have been presented. Additionally, a test prediction of spatial electric load forecasting has been carried out in order to verify the proposed forecasting method.
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.