Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  power system operational condition
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W pracy przedstawiono pewne aspekty sterowania systemem elektroenergetycznym z uwzględnieniem minimalizacji kosztów współczesnego rozległego systemu pomiarowego. Jest to związane z wyznaczaniem dominujących wartości własnych systemu jak również z analizą marginesu stabilności. W tym celu wykonano symulacje stanów nieustalonych i dokonano analizy częstotliwościowej. Do śledzenia marginesu stabilności wykorzystano wielomiany Kołmogorowa - Gabora.
EN
This paper presents some aspects of Interconnected Power System (IPS) operation control problems solving along with cost minimization of implementation of contemporary Wide Area Measurement System. This is related to the IPS dominant eigenfrequencies determination as well to monitoring of steady-state stability margin. In order to determine (a priori) mentioned eigenfrequencies the IPS transient conditions simulation and spectral analysis were used. For monitoring of mentioned stability margin the special models in Kolmogorov-Gabor polynomials form were created.
PL
Praca przedstawia zastosowanie zespołu sieci neuronowych w prognozowaniu zapotrzebowania 24-godzinnego na energię elektryczną w systemie elektroenergetycznym. Autorzy proponują zastosowanie wielu predyktorów neuronowych działających równolegle na tych samych danych wejściowych. Prognozy poszczególnych sieci są integrowane w jedną prognozę szeregu 24 wartości odpowiadających 24 godzinom doby z wyprzedzeniem jednodniowym. Zaproponowano i przebadano dwa różne warianty metod integracji porównując wyniki z prognozami wykonanymi przy zastosowaniu pojedynczego predyktora.
EN
The paper presents the ensemble of neural network predictors to forecast the 24-hour load pattern for the next day in the power system. Four different structures of neural networks have been applied. They include MLP, SVM, Elman and Kohonen networks. The values of power consumption of 24 hours of the day, predicted by using individual predictors are combined together using either blind source separation or principal component analysis combined with neural integrator. The developed system of prediction was tested on the real data of the Polish Power System.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.