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

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Prognozowanie krótkoterminowe zapotrzebowania na energię elektryczną w KSE z wykorzystaniem metody MARSplines
100%
Czapaj R. , Benalcazar P. , Kamiński J.
|
2019
|
tom R. 95, nr 7
133--136
PL
W tekście przedstawiono wyniki zastosowania metody MARSplines, należącej do szerokiej grupy metod Data Mining, do prognozowania zapotrzebowania na moc elektryczną w Krajowym Systemie Elektroenergetycznym. Przedstawiono zmienne objaśniające i ich powiązanie ze zmienną prognozowaną. Zamieszczono ponadto obszerną analizę statystyczną tych zmiennych. Na podstawie przeprowadzonych symulacji w trybie ex post i ex ante sformułowano wnioski dotyczące samej metody oraz wnioski wynikające z czynności prognostycznych.
EN
The article presents the results obtained from applying the MARSplines method, which belongs to a broad group of Data Mining methods, to forecast the electric power demand in the Polish National Power System. Furthermore, the relationship between explanatory variables and the forecasted variable is examined through an extensive statistical analysis. Based on the (ex–post and ex–ante) simulations results a number of conclusions are drawn regarding the method itself and the accuracy of its predictions.
2
Content available remote Dobór zmiennych objaśniających z wykorzystaniem metody MARSplines na przykładzie prognozowania dobowego zapotrzebowania na moc szczytową 15-minutową w KSE
100%
Czapaj R. , Benalcazar P. , Kamiński J.
|
|
tom R. 95, nr 8
9--12
PL
Artykuł prezentuje możliwość skorzystania z metod statystycznych automatyzujących dobór zmiennych objaśniających na przykładzie szczytowego obciążenia dobowego KSE. Testy ex post dotyczyły 10 zbiorów zmiennych objaśniających dla metod statystycznych klasycznych i typu Data Mining. Uzyskana macierz wyników pozwala wstępnie wybrać najkorzystniejszy zbiór zmiennych objaśniających i metodę statystyczną.
EN
The article examines the possibility of using statistical methods for the automated selection of explanatory variables of the daily peak demand in the National Power System. An analysis of 10 explanatory variable sets was conducted through classical and Data Mining methods. The obtained results, which are presented as a matrix of (ex-post) statistical measures, prove to be useful in the selection of the appropriate statistical method and the selection of explanatory variables.
3
Content available remote Idea zastosowania zautomatyzowanych metod doboru zmiennych objaśniających dla celów optymalizacji kosztów zakupu danych wejściowych do prognozowania dobowego profilu obciążenia KSE
100%
Czapaj R. , Szablicki M. , Rzepka P.
|
|
tom R. 95, nr 8
29--32
PL
Artykuł prezentuje możliwość skorzystania z metod statystycznych automatyzujących dobór zmiennych objaśniających na przykładzie dobowego obciążenia Krajowego Systemu Elektroenergetycznego. Automatyzacja pozwala na optymalizację kosztów zakupu prognoz wejściowych dzięki minimalizacji ich liczby, a uzyskane wyniki pozwalają dodatkowo na zmniejszenie nakładów pracy związanych z wyborem parametrów wejściowych (zmiennych objaśniających) na potrzeby późniejszego opracowywania prognoz dobowego obciążenia KSE.
EN
The paper presents the possibility of using statistical methods to automate the selection of explanatory variables to balance the daily load of the National Power System (NPS). With automation, the cost of input forecast purchase may be optimized by minimizing their number, and the results also allow for a reduction in the effort required to select input parameters (explanatory variables) for later forecasting of NPS daily loads.
4
Content available remote Prognozowanie krótkoterminowe profili odbiorczych i zdolności wytwórczych w klastrach energii
100%
Czapaj R. , Szablicki M. , Rzepka P. , Sołtysik M.
|
2019
|
tom R. 95, nr 7
137--140
PL
Rozwój elektroenergetyki obywatelskiej na poziomie regionalnym i lokalnym wymaga podejmowania działań optymalizacyjnych, w tym realizacji założonych funkcji celu. Rozwój klastrów energii będzie generował potrzeby tworzenia narzędzi prognostycznych zarówno pod kątem prognozowania zapotrzebowania na moc i energię, jak również pod kątem optymalnego wykorzystania zdolności regulacyjnych istniejących w ramach struktur klastrowych. W referacie omówiono wyniki stosowania wybranych modeli prognostycznych. Wykorzystane dane odwzorowują rzeczywiste profile zapotrzebowania i zdolności wytwórcze w rozdzielczości dobowo-godzinowej.
EN
The development of civil power engineering at the regional and local level requires undertaking optimization activities including the implementation of the assumed objective functions. The dynamic development of energy clusters will generate the need to create forecasting tools both in terms of forecasting demand for electric power and energy, as well as in terms of optimal use of regulatory capacity of existing structures within clusters. The article discusses the results of using selected forecasting models. The data used will be mapped to actual demand profiles and generating capacities in hourly granulation for every 24 hours.
5
Sieci neuronowe dla potrzeb sterowania układów napędowych – wprowadzenie teoretyczne
100%
Czapaj R. , Kamiński J. , Benalcazar P.
Energetyka
|
2019
|
tom nr 7
455--462
PL
Artykuł prezentuje opis podstaw biologicznych sieci neuronowych, ich modeli, funkcji aktywacji oraz metod uczenia stosowanych w wielu dziedzinach, w tym w sterowaniu układów napędowych. Odpowiednio dobrane i nauczone sieci neuronowe umożliwiają odtwarzanie niedostępnych pomiarowo zmiennych stanu układu napędowego dzięki ich identyfikacji na podstawie określonych sygnałów wejściowych i wyjściowych obiektu lub na podstawie neuromodelowania układu napędowego. Przedstawione w artykule rozważania poszerzono również o przykładowe zastosowania sztucznych sieci neuronowych w innych dziedzinach tj. prognozowaniu, analizie i klasyfikacji danych oraz filtrowaniu sygnałów pomiarowych.
EN
Described is the basic knowledge relating to biological neural networks, their models, activation function and learning methods applied in many areas including driving systems control. Properly selected and taught neural networks enable recovery of the inaccessbile by measurements variables of a driving system condition thanks to their identification on the basis of specified input and output object signals or on the basis of neuromodeling of a driving system. Presented here considerations were also extended by exemplary applications of artificial neural networks in some other areas like forecasting, analysis and classification of data as well as filtering of measurement signals.
6
Logika rozmyta dla potrzeb sterowania układów napędowych – wprowadzenie teoretyczne
100%
Czapaj R. , Kamiński J. , Benalcazar P.
Energetyka
|
2020
|
tom nr 3
103--111
PL
Artykuł przedstawia wprowadzenie oraz podstawy teoretyczne teorii zbiorów rozmytych, czyli działu matematyki opracowanego do opisu danych i informacji nieprecyzyjnych i niejednoznacznych. Logika rozmyta stanowi dział tej teorii i znajduje swoje zastosowanie w takich dziedzinach, jak: sterowanie, optymalizacja, wspomaganie podejmowania decyzji, diagnostyka i monitorowanie, rozpoznawanie wzorców i wielu innych. Przedstawione rozważania poszerzono również o przykładowe zastosowania logiki rozmytej, m.in. w elektrometrii i grzejnictwie, sterowaniu urządzeń chłodniczych, mechanicznych dysków twardych, przetwarzaniu obrazów i rozpoznawaniu słów.
EN
Given is an introduction and theoretical foundations of a fuzzy set theory i.e. the branch of mathematics developed for description of imprecise and ambiguous data and informations. Fuzzy logic is a subject area of this theory and is applied in such fields like control, optimization, decision making support, diagnostics and monitoring, pattern recognition and many others. Presented considerations are also extended by exemplary applications of the fuzzy logic i.a. in electrometry and heating, cooling devices control, mechanical hard disks, image processing and word recognition.
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.