Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "prognoza krótkoterminowa" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Krótkoterminowe prognozowanie zużycia energii elektrycznej z wykorzystaniem sztucznej sieci neuronowej
    Short term forecasting of electricity consumption by using an artificial neural network
    Autorzy:
    Jeżyk, T.
    Tomczewski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/376242.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    sieci neuronowe
    prognoza krótkoterminowa
    środowisko MATLAB
    Opis:
    W artykule przedstawiono zagadnienie wykorzystania sztucznej sieci neuronowej do rozwiązania zadania krótkoterminowego prognozowania zużycia energii elektrycznej. Bazując na archiwalnych danych pomiarowych mocy chwilowych odbiornika (centrum handlowe) sieć neuronową typu NAR poddano procesowi nauki, a następnie wykorzystano do wyznaczenia krótkoterminowej prognozy poboru energii elektrycznej. Model zaproponowanej sieci opracowano w środowisku MATLAB. Do oceny jakości uzyskanych prognoz zaproponowano użycie błędów: procentowego względnego błędu prognozy oraz błędu procentowego MAPE (ang. Mean Average Percent Error). Zamieszczono wyniki przykładowych obliczeń oraz porównanie z danymi pomiarowymi.
    The article presents the problem of the use of artificial neural network to solve the task of short term forecasting of electricity consumption. Based on archival data of instantaneous power measurement of load(shopping center), the neural network of NAR type was learned and then used to determine short term forecast of electricity consumption. Proposed network model was developed in MATLAB environment. To evaluate the quality of the forecasts, the error usage was proposed: percentage of forecast error and the relative percentage error MAPE (Mean Average Percent called Error). The results of sample calculations and comparison with measurement data was presented.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 79; 121-130
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wskaźniki cyklu koniunkturalnego a krótkookresowe prognozy polskiej produkcji przemysłowej
    Autorzy:
    Kolba, Paweł M.
    Kotkowski, Radosław
    Powiązania:
    https://bibliotekanauki.pl/articles/489031.pdf
    Data publikacji:
    2013
    Wydawca:
    Instytut Badań Gospodarczych
    Tematy:
    wskaźniki cyklu koniunkturalnego
    prognoza krótkoterminowa
    produkcja przemysłowa
    Opis:
    Celem artykułu jest zbadanie, jaki wpływ na jakość krótkoterminowych prognoz produkcji przemysłowej ma zastosowanie w modelu wskaźników cyklu koniunkturalnego. Badanie przeprowadzone zostało na gospodarce polskiej przy użyciu metodologii zaproponowanej przez M. Kleina.
    Źródło:
    Oeconomia Copernicana; 2013, 4, 3; 65-79
    2083-1277
    Pojawia się w:
    Oeconomia Copernicana
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    Artykuł
    Tytuł:
    Problematyka prognozowania mocy i energii pozyskiwanych z wiatru
    Problems related to forecasting of power and electric energy derived from wind
    Autorzy:
    Popławski, T.
    Dąsal, K.
    Łyp, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/282786.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    elektrownia wiatrowa
    moc generowana
    prognoza krótkoterminowa w elektroenergetyce
    dokładność
    model prognostyczny
    wind source
    power generation
    forecasting
    accuracy
    Opis:
    Dynamiczny rozwój odnawialnych źródeł energii elektrycznej OZE jest faktem. Wiele przyczyn ma wpływ na tę dynamikę i są one powszechnie znane. Wiadomo również, że moc generowana przez turbiny wiatrowe jest procesem losowym, gdyż w decydującej mierze uzależniona jest od prędkości wiatru i to w sposób silnie nieliniowy. Ta cecha turbin wiatrowych jest wysoce kłopotliwa w różnych aspektach pracy sieci. Bieżąca sytuacja w elektroenergetyce polskiej prowokuje do licznych pytań, na przykład o ilość energii wiatrowej, którą może przyjąć system elektroenergetyczny, czy też o rolę prognoz wiatrowych. Wiele prac wykonano w dziedzinie znaczącego zwiększenia dokładności przewidywania mocy generowanej w źródłach wiatrowych. W referacie skoncentrowano się na zagadnieniach dotyczących predykcji mocy na przykładzie analizy danych rzeczywistych w jednej z krajowych farm wiatrowych.
    A number of reasons influences the expansion of energy from renewable sources (RES). The power generated by wind turbines is the random process. This feature of wind turbines is highly cumbersome for the performance of the network. Actual situation in the Power System in Poland raises a lot of questions eg. how much energy can the power system accommodate and what is the role of wind plant forecasting. Much research has been done in the field of significant accuracy increase in the improvement of prediction tools on the basis of one of wind power plant in Poland.
    Źródło:
    Polityka Energetyczna; 2009, T. 12, z. 2/2; 511-523
    1429-6675
    Pojawia się w:
    Polityka Energetyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ wstępnego przetwarzania danych na jakość krótkoterminowych prognoz zapotrzebowania na energię elektryczną
    Data pre-processing effect on the quality of short-term forecast of electricity demand
    Autorzy:
    Nęcka, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/290684.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    model regresyjny
    prognoza krótkoterminowa
    przetwarzanie wstępne
    zużycie energii elektrycznej
    zasada TPA
    regression model
    short-term forecasts
    preprocessing
    electricity consumption
    TPA principle
    Opis:
    Celem pracy była analiza wpływu różnych metod wstępnego przetwarzania danych wejściowych, takich jak np. średnia ruchoma, wyrównywanie wykładnicze, filtr 4253H, na jakość prognoz godzinowego zapotrzebowania na energię elektryczną opracowanych metodami regresyjnymi. Cel pracy zrealizowano na podstawie badań własnych wykonanych w rozdzielni nN, zlokalizowanej na terenie nowoczesnej ubojni drobiu w południowej części Małopolski. Wykonane analizy skupień metodą k-średnich i metodą EM pokazały, że ze względu na podobieństwo przebiegu godzinowego zapotrzebowania na energię elektryczną optymalny będzie podział dni tygodnia na 3 skupienia, tj. dni robocze, dni poprzedzające dzień wolny od pracy oraz dni wolne od pracy, i budowa trzech niezależnych modeli. W zastosowaniach praktycznych najważniejszym parametrem oceny modeli jest sumaryczna wartość rzeczywistej ilości energii bilansującej ΔESR. Dla większości budowanych modeli na bazie zmiennych przekształconych zaobserwowano zmniejszenie wartości wskaźnika ΔESR względem modeli budowanych w oparciu o zmienną egzogeniczną nieprzekształconą. Największe, ponad 6% zmniejszenie wartości analizowanego wskaźnika uzyskano w modelu III dla zmiennej wejściowej wygładzonej oknem Daniela o rozpiętości 5. Ze względu na najniższą wartość sumarycznej ilości energii bilansującej w zastosowaniach praktycznych powinny być jednak preferowane modele budowane na bazie szeregu czasowego godzinowego zużycia energii elektrycznej dla całego zakładu wygładzonego filtrem 4253H.
    The objective of this study was to analyse the influence of different methods of preprocessing of the input data, such as moving average, exponential smoothing, filter 4253H on the quality of forecasts of hourly demand for electricity developed with regression methods. The objective of the study was carried out on the basis of own research carried out in the nN switchboard, located on the territory of a modern poultry slaughterhouse in the southern part of Małopolska region. The cluster analysis carried out with k-means and the EM method has shown that due to the similarity of the course of hourly demand for electricity division of weekdays into three days of cluster that is, working days, days preceding the days off, days off and construction of three independent models will be optimal. The total value of the actual amount of balancing energy ΔESR is the most important parameter of the models assessment in the practical applications. For majority of models constructed on the basis of the transformed variables, the decrease in the rate ΔESR towards models constructed based on exogenous not transformed variable was reported. The largest over 6% reduction in the value of the analysed indicator was obtained in model III for the input variable smoothed with 5th span Daniel window. Due to the lowest value of the total amount of balancing energy in practical applications, models built on the basis of a time series of hourly electricity consumption for the entire plant smoothed filter 4253H should be preferred.
    Źródło:
    Inżynieria Rolnicza; 2013, R. 17, nr 3, t. 1, 3, t. 1; 291-299
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod ekonometrycznych na konkurencyjnych rynkach energii elektrycznej
    Econometric analysis in competitive electricity markets
    Autorzy:
    Kwas, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/452953.pdf
    Data publikacji:
    2010
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    konkurencyjne rynki energii
    rynek bilansujący
    prognoza krótkoterminowa
    modele SARIMA
    zarządzanie ryzykiem
    competitive electricity markets
    balancing market
    short term prediction
    SARIMA
    risk management
    Opis:
    W pracy przedstawione są możliwości zastosowania metod ekonometrycznych do prognozowania cen na konkurencyjnym rynku energii elektrycznej w Polsce. Uwolnienie rynku sprawiło, że hurtowe ceny energii są w dużej części kształtowane przez grę rynkową, a oszacowanie ryzyka pozycji kontraktowej i zarządzanie nim wymaga sporządzania prognoz cen dla każdej godziny. Użyte metody muszą zapewnić nie tylko dokładność prognozy ale również wyznaczyć ją w rozsądnym czasie. W celu ilustracji i umotywowania tematyki badawczej, praca zawiera obszerne omówienie współczesnych rynków energii elektrycznej, w tym polskiego.
    The paper presents an application of econometric methods to modeling and predicting energy prices on competitive electricity markets. Since the beginning of market liberalization, electricity prices are no longer settled only by bilateral contracts but also driven by market forces of supply and demand. Price prediction became important to assess and manage market risk. This requires efficient algorithms for computing detailed hourly forecasts. In order to motivate and illustrate the subject we discuss the properties of competitive electricity markets, emphasizing Polish market specifics.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2010, 11, 2; 181-190
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies