Informacja

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

Wyszukujesz frazę "short-term forecast" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Short-term forecasting of natural gas demand by rural consumers using regression models
Prognozowanie krótkookresowe zapotrzebowania odbiorców wiejskich na gaz ziemny z wykorzystaniem modeli regresyjnych
Autorzy:
Necka, K.
Trojanowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/791988.pdf
Data publikacji:
2014
Wydawca:
Komisja Motoryzacji i Energetyki Rolnictwa
Tematy:
short-term forecast
multiple regression
natural gas
rural consumer
regression model
Źródło:
Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2014, 14, 4
1641-7739
Pojawia się w:
Teka Komisji Motoryzacji i Energetyki Rolnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of decisive variables for the construction of typical end user power demand profiles
Dobór zmiennych decyzyjnych do budowy charakterystycznych profili zapotrzebowania odbiorców końcowych na moc i energię elektryczną
Autorzy:
Necka, K.
Powiązania:
https://bibliotekanauki.pl/articles/791986.pdf
Data publikacji:
2013
Wydawca:
Komisja Motoryzacji i Energetyki Rolnictwa
Tematy:
concentration analysis
load profile
load variation rate
short-term forecast
power consumption
clustering method
Źródło:
Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2013, 13, 2
1641-7739
Pojawia się w:
Teka Komisji Motoryzacji i Energetyki Rolnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Concept and implementation of the Polish innovative agro-hydro-meteorological monitoring (AgHMM) in INOMEL Project
Autorzy:
Kanecka-Geszke, Ewa
Bąk, Bogdan
Bolewski, Tymoteusz
Kaca, Edmund
Powiązania:
https://bibliotekanauki.pl/articles/2048548.pdf
Data publikacji:
2021
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
adaptation
agro-hydro-meteorological monitoring system
climate change
controlled drainage
decision support system
short-term forecast
subirrigation
water management
water resources
Opis:
The paper presents the concept and deployment of the agro-hydro-meteorological monitoring system (abbrev. AgHMM) created for the purposes of operational planning of regulated drainage and irrigation on the scale of a drainage/irrigation system (INOMEL project). Monitoring system involved regular daily (weekly readings) measurements of agrometeorological and hydrological parameters in water courses at melioration object during vegetation seasons. The measurement results enable an assessment of the meteorological conditions, moisture changes in the 0-60 cm soil profile, fluctuations of groundwater levels at quarters and testing points, also water levels in ditches and at dam structures, and water flow in water courses. These data were supplemended by 7-day meteorological forecast parameter predictions, served as input data for a model of operational planning of drainage and subirrigation at the six melioration systems in Poland. In addition, it was carried out irregular remote sensing observations of plant condition, water consumption by plants and soil moisture levels using imagery taken by unmanned aerial vehicles and Sentinel’s satellites. All the collected data was used for support operational activities aimed at maintaining optimal soil moisture for plant growth and should to provide farmers with high and stable yields. An example of the practical operations using the AgHMM system in 2019 is shown on the basis of the subirrigation object at permanent grasslands located in central Poland called “Czarny Rów B1”.
Źródło:
Journal of Water and Land Development; 2021, 51; 256-264
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting short-term electric load using extreme learning machine with improved tree seed algorithm based on Lévy flight
Autorzy:
Chen, Xuan
Przystupa, Krzysztof
Ye, Zhiwei
Chen, Feng
Wang, Chunzhi
Liu, Jinhang
Gao, Rong
Wei, Ming
Kochan, Orest
Powiązania:
https://bibliotekanauki.pl/articles/2087016.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
short-term electric load forecast
extreme learning machine
Lévy flight
tree-seed algorithm
Kernel principal component analysis
Opis:
In recent years, forecasting has received increasing attention since it provides an important basis for the effective operation of power systems. In this paper, a hybrid method, composed of kernel principal component analysis (KPCA), tree seed algorithm based on Lévy flight (LTSA) and extreme learning machine (ELM), is proposed for short-term load forecasting. Specifically, the randomly generated weights and biases of ELM have a significant impact on the stability of prediction results. Therefore, in order to solve this problem, LTSA is utilized to obtain the optimal parameters before the prediction process is executed by ELM, which is called LTSA-ELM. Meanwhile, the input data is extracted by KPCA considering the sparseness of the electric load data and used as the input of LTSA-ELM model. The proposed method is tested on the data from European network on intelligent technologies (EUNITE) and experimental results demonstrate the superiority of the proposed approaches compared to the other methods involved in the paper.
Źródło:
Eksploatacja i Niezawodność; 2022, 24, 2; 153--162
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    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