Depending on the amount of data to process, file generation may take longer.

If it takes too long to generate, you can limit the data by, for example, reducing the range of years.

Article

Download file Download BibTeX

Title

Krótkoterminowe prognozowanie zużycia energii elektrycznej z wykorzystaniem sztucznej sieci neuronowej

Authors

[ 1 ] Politechnika Poznańska | [ 2 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Elektryczny, Politechnika Poznańska | [ P ] employee

Title variant

EN Short term forecasting of electricity consumption by using an artificial neural network

Year of publication

2014

Published in

Poznan University of Technology Academic Journals. Electrical Engineering

Journal year: 2014 | Journal number: Issue 79

Article type

scientific article

Publication language

polish

Keywords
PL
  • sieci neuronowe
  • prognoza krótkoterminowa
  • środowisko MATLAB
Abstract

PL 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.

EN 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.

Pages (from - to)

121 - 130

Presented on

Computer Applications in Electrical Engineering 2014, 28-29.04.2014, Poznań, Polska

Full text of article

Download file

Access level to full text

public

Ministry points / journal

9

This website uses cookies to remember the authenticated session of the user. For more information, read about Cookies and Privacy Policy.