- Tytuł:
-
The use of machine learning technique for short-term forecasting of demand for electricity
Wykorzystanie technik uczenia maszynowego do krótkoterminowego prognozowania zapotrzebowania na energię elektryczną - Autorzy:
- Nęcka, K.
- Powiązania:
- https://bibliotekanauki.pl/articles/337635.pdf
- Data publikacji:
- 2014
- Wydawca:
- Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
- Tematy:
-
data mining
electricity
machine learning
short-term forecasts
energia elektryczna
prognoza krótkoterminowa
uczenie maszynowe - Opis:
-
The study verifies the usefulness of selected machine learning techniques for predicting hourly demand for electricity within
a short time period. The results of the performed analyses show that the lowest values for both the MAPE forecast error for
the test set at the level of 17% and the lowest share of the balancing energy in the total consumption at a level which does
not exceed 15% were obtained for models for which the input data included the averaged electricity consumption profile for
characteristic days of the week, the forecast number of pure production pieces and the encoded day of the week and time of
the day. Among the tested models, forecasts prepared on the basis of artificial neural networks and standard CRT trees
were characterised by the best quality of predictions.
W pracy sprawdzono przydatność wybranych technik uczenia maszynowego do predykcji godzinowego zapotrzebowania na energię elektryczną w krótkim horyzoncie czasu. Z wykonanych analiz wynika, że najniższe wartości zarówno błędu prognozy MAPE na poziomie 17% jak i najniższy udział energii bilansującej w całkowitym zużyciu na poziomie nie przekraczającym 15% uzyskano dla modeli, dla których zmiennymi wejściowymi były uśredniony profil zużycia energii elektrycznej dla charakterystycznych dni tygodnia, prognozowana liczba sztuk czystej produkcji oraz zakodowany dzień tygodnia i godzina doby. Spośród badanych modeli najlepszą jakością predykcji charakteryzowały się prognozy opracowywane w oparciu o sztuczne sieci neuronowe oraz standardowe drzewa CRT. - Źródło:
-
Journal of Research and Applications in Agricultural Engineering; 2014, 59, 2; 71-74
1642-686X
2719-423X - Pojawia się w:
- Journal of Research and Applications in Agricultural Engineering
- Dostawca treści:
- Biblioteka Nauki