Wyniki 1-1 spośród 1 dla zapytania: authorDesc:"Rafał CZAPAJ-ATŁASA"

Typowanie zmiennych objaśniających przy wykorzystaniu zautomatyzowanych metod statystycznych jako sposób optymalizacji wyboru metody estymacji szczytowego dobowego obciążenia KSE DOI:10.15199/48.2017.04.15

Czytaj za darmo! »

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. Abstract. The paper presents the possibility of using the statistical methods automating the selection of explicatory variables for the daily peak demand of the National Power Grid in Poland. Predictions in ex-post were conducted for 10 predictors’ set and both for classical and Data Mining methods. The obtained matrix of ex-post predictions measures gives a chance for a primal selection of the best set and statistical method. (Selection of predictors using automated statistical methods as a way of choosing the estimation method of daily peak demand of the National Power Grid). Słowa kluczowe: szczytowe 15-minutowe obciążenie KSE, zmienne objaśniające meteorologiczne, Data Mining, mierniki ex-post Keywords: National Power System 15-minute Power Demand, explicatory variables, Data Mining, ex-post indicators. Wstęp Prognozowanie stanowi jeden z ważnych elementów składających się na bezpieczeństwo systemu elektroenergetycznego [1]. Operator sieci przesyłowej ponosi wiele ryzyk do których należy m.in. ryzyko znaczącego odchylenia prognozy od rzeczywistego obciążenia Krajowego Systemu Elektroenergetycznego (KSE) [2]. Dobór zmiennych objaśniających oraz metody statystycznej stanowi kluczowy etap w procesie budowy modelu prognostycznego. Im lepsze dopasowanie zmiennych objaśniających do zmiennej objaśnianej tym bardziej precyzyjny opis zmiennej objaśnianej przez zmienne objaśniające [3]. Wskutek powyższego możliwe jest uzyskanie dokładnego modelu prognostycznego dla założonej zmiennej objaśnianej. Staranny dobór zmiennych objaśniających [...]

 Strona 1