Wyniki 1-10 spośród 13 dla zapytania: authorDesc:"Grzegorz DUDEK"

Analiza podobieństwa obrazów sekwencji szeregów czasowych obciążeń elektroenergetycznych

Czytaj za darmo! »

Przedstawiono metody analizy podobieństwa obrazów sekwencji szeregów czasowych obciążeń elektroenergetycznych. Silne zależności pomiędzy obrazami sekwencji poprzedzających moment prognozy oraz obrazami sekwencji prognozowanych pozwalają budować modele prognostyczne oparte na podobieństwie obrazów. Dla kilku definicji obrazów i metod obliczania odległości pomiędzy obrazami przeprowadzono analizy oparte na tablicach wielodzielczych i teście chi kwadrat. Abstract. The similarity analysis methods of the electrical load time series sequence patterns are presented. The strong relationship between patterns of the sequences preceding the forecast moment and the patterns of the forecasted sequences allows to create the similarity-based forecasting models. For several definitions of patterns a[...]

A comparison of the neural gas and self organizing map methods for next day load curve forecasting

Czytaj za darmo! »

Both the neural gas and self organizing map clustering methods are used in the short-term load forecasting. Two approaches, based on the similarity of the load sequence patterns, are presented in the paper. Patterns preceding the forecast moment and the patterns of forecast, which are concatenated and then divided into clusters, are used in the first model. The empirical probabilities, that the forecast pattern is associated to cluster j while the corresponding input pattern is associated to cluster i, are computed and applied to the forecast construction in the second approach. Streszczenie. Gaz neuronowy i samoorganizujące się odwzorowanie jako metod grupowania użyto do krótkoterminowego prognozowania obciążeń elektroenergetycznych. Zaprezentowano dwa podejścia oparte na podobieńst[...]

Short-Term Load Forecasting Based on Kernel Conditional Density Estimation

Czytaj za darmo! »

A short-term load forecasting model based on the kernel estimation of the conditional probability density distribution is proposed. The pattern vector of the load time series sequence can be treated as the multivariate random variable whose value determines the pattern component values of the next sequence, which is forecasted. Probability density functions are obtained from historical load time series by means of nonparametric density estimation. This approach uses the product kernel estimators. The kernel function smoothing parameters are determined using cross-validation procedure. The suitability of the proposed approach is illustrated through applications to real load data. Streszczenie. Proponuje się model prognostyczny do sporządzania krótkoterminowych prognoz obciążeń systemów elektroenergetycznych w oparciu o estymację jądrową rozkładu warunkowej gęstości prawdopodobieństwa. Wektor obrazu sekwencji szeregu czasowego obciążeń może być traktowany jako wielowymiarowa zmienna losowa, która determinuje wartość składowych obrazu następnej, prognozowanej sekwencji. Funkcje gęstości prawdopodobieństwa utworzono na podstawie historycznych szeregów czasowych obciążeń za pomocą estymacji nieparametrycznej. To podejście używa produktowych estymatorów jądrowych. Parametry wygładzania funkcji jądrowych określa się w procedurze walidacji krzyżowej. Użyteczność proponowanego podejścia zilustrowano aplikacjami do rzeczywistych danych. (Krótkoterminowe prognozowanie obciążeń elektroenergetycznych za pomocą jądrowej estymacji gęstości warunkowej). Keywords: short-term load forecasting, kernel density estimation, nonparametric regression. Słowa kluczowe: prognozowanie krótkoterminowe obciążeń, jądrowa estymacja gęstości, regresja nieparametryczna. Introduction The short-term load forecasting (STLF) is extremely important to balance the electricity generated and consumed at any moment. Precise load forecasts are necessary for electric companies to ma[...]

Neuro-fuzzy approach to the next day load curve forecasting

Czytaj za darmo! »

An adaptive neuro-fuzzy inference system ANFIS is used to the short-term load forecasting. ANFIS combines the comprehensibility of fuzzy rules and the adaptability and self-learning algorithms of neural networks. The model maps the input pattern of the sequence of the historical hourly load time series to the component of the next sequence. Input space is divided on fuzzy sets by fuzzy c-means clustering. The most informative input variables are determined using deterministic variable selection algorithms. Individual models are constructed for each day type and hour of the day. The method is applied to several load forecasting problems. Streszczenie. Adaptacyjny neuronowo-rozmyty system wnioskujący ANFIS zastosowano do prognozowania krótkoterminowego obciążeń systemów elektroenergetycznych. ANFIS łączy czytelność reguł rozmytych i adaptacyjność samouczących się sieci neuronowych. Model odwzorowuje obraz wejściowy sekwencji historycznego godzinowego szeregu czasowego obciążeń na składową obrazu następnej sekwencji. Przestrzeń wejściowa jest dzielona na zbiory rozmyte przy użyciu rozmytej metody c-średnich. Zmienne wejściowe niosące najwięcej informacji wyznaczane są za pomocą deterministycznych algorytmów selekcji zmiennych. Odrębne modele są tworzone dla każdego typu dnia i godziny doby. Metodę zastosowano do kilku problemów prognozowania obciążeń. (Sieć neuronowo-rozmyta do prognozowania dobowej krzywej obciążenia z jednodobowym wyprzedzeniem). Keywords: short-term load forecasting, neuro-fuzzy network, adaptive-network-based fuzzy inference system. Słowa kluczowe: prognozowanie krótkoterminowe obciążeń, sieć neuronowo-rozmyta, adaptacyjny sieciowy rozmyty system wnioskowania. Introduction In many function approximation tasks, especially nonlinear ones, an artificial neural network (ANN) is used (multilayer perceptron) due to its universal approximation property. The approximation function depends on the network structure, internal con[...]

Optymalizacja modelu regresji jądrowej do krótkoterminowego prognozowania obciążeń systemów elektroenergetycznych

Czytaj za darmo! »

Model regresji jądrowej do krótkoterminowych prognoz obciążeń systemów elektroenergetycznych wykazuje wrażliwość na wartości parametrów wygładzania funkcji jądrowych. Proponuje się kilka metod doboru wartości parametrów wygładzania: prostą metodę zachłanną, algorytm ewolucyjny oraz przeszukiwanie turniejowe. Abstract. A kernel model to the short-term load forecasting is very sensitive to the bandwidth values of the kernel functions. Some methods of the bandwidth value selection are presented: simple greedy method, evolutionary algorithm and tournament searching. (Optimization of the kernel regression model to short-term load forecasting). Słowa kluczowe: prognozowanie krótkoterminowe obciążeń, model regresji jądrowej, algorytmy ewolucyjne, przeszukiwanie turniejowe. Keywords: short-term load forecasting, kernel regression model, evolutionary algorithms, tournament searching. Wprowadzenie Model prognostyczny oparty na jądrowych estymatorach funkcji regresji był przedmiotem publikacji [1]. Funkcja regresji modelowana jest wielowymiarowym estymatorem Nadarayi-Watsona: (1)                      n j d k k k j k n j j d k k k j k h x x K y h x x K m 1 1 , 1 1 , (x) , gdzie: n jest licznością próby losowej (2)     1 1 x y ,     2 2 x y , …,     n yn x , d jest wymiarem wektora obrazu xj = [xj,1 xj,2 … xj,d], który reprezentuje dobowy przebieg obciążenia Pj = [Pj,1 Pj,2 … Pj,24]: (3)     d l j l j j k j j k P P P P x 1 2 , , , ( ) , a yj jest zakodowaną wartością[...]

Aproksymacja pętli histerezy za pomocą metod inteligencji obliczeniowej

Czytaj za darmo! »

Opisano metody inteligencji obliczeniowej - wielowarstwowy perceptron, sieć o radialnych funkcjach bazowych oraz sieć neuronoworozmytą w zastosowaniu do aproksymacji pętli histerezy. W części eksperymentalnej pracy analizuje się sposoby konstrukcji aproksymant poprzez składanie funkcji bazowych, które w badanych sieciach mają różne postacie. Abstract. Computational intelligence methods: multilayer perceptron, radial basis function network and neuro-fuzzy system for approximation of the hysteresis loops are described. In experimental part of the work the ways of building of the approximating function by combination of the basis functions which are different in the examined networks are analyzed. (Approximation of the hysteresis loop using computational intelligence methods). Słowa kluczowe: pętla histerezy, wielowarstwowy perceptron, sieci neuronowo-rozmyte, sieci o radialnych funkcjach bazowych. Keywords: hysteresis loop, multilayer perceptron, neuro-fuzzy networks, radial basis function networks. Wstęp Nieliniowość i niejednoznaczność charakterystyki magnesowania materiałów magnetycznych B = f(H) oraz zależność tej charakterystyki od historii magnesowania wyraża się w jej charakterystycznym kształcie pętli histerezy. Kształt ten zależy od składu chemicznego materiału, sposobu jego obróbki, wymiarów, struktury oraz parametrów obwodu elektrycznego (częstotliwość, kształt prądu magnesowania) i temperatury. Opracowano wiele alternatywnych modeli pętli histerezy magnetycznej, wśród których największe praktyczne zastosowanie zyskały modele [1]: Preisacha, Stonera i Wohlfartha, Chuy i Stromsmoe’a oraz Jilesa i Athertona. W niniejszym artykule proponuje się metody inteligencji obliczeniowej do aproksymacji pętli histerezy. Metody te abstrahują od podstaw teoretycznych zjawiska magnesowania. Pętla histerezy widziana jest tu jedynie jako krzywa o specyficznym kształcie, wyrażająca pewne zjawiska magnetyczne. Do aproksymacji pętli hi[...]

Prognozowanie krótkoterminowe obciążeń systemów elektroenergetycznych z wykorzystaniem rozmytych drzew regresyjnyc DOI:10.12915/pe.2014.04.024

Czytaj za darmo! »

Przedstawiono model prognostyczny oparty na drzewie regresyjnym z rozmytymi węzłami do sporządzania krótkoterminowych prognoz obciążeń systemów elektroenergetycznych. Model operuje na obrazach cykli dobowych szeregów czasowych obciążeń. Odpowiedź modelu wyznaczana jest jako średnia z wartości zapisanych w liściach drzewa ważonych iloczynami stopni przynależności obrazu wejściowego do poszczególnych gałęzi na jego drodze do liści. Parametry nachylenia funkcji przynależności optymalizuje się metodą przeszukiwania turniejowego. Działanie modelu zilustrowano przykładem i porównano z działaniem innych modeli. Abstract. Short-term load forecasting model based on the regression tree with fuzzy nodes are presented. The model operates on the patterns of the load time series daily cycles. The response of the model is calculated as the mean of the values stored in the tree leaves weighted by the product of the membership degrees of the input pattern to branches on its way to the leaves. The slope parameters of membership functions are optimized using the tournament searching method. The performance of the model is illustrated on the example and compared with other models. (Short-term load forecasting using fuzzy regression trees). Słowa kluczowe: prognozowanie krótkoterminowe obciążeń systemów elektroenergetycznych, rozmyte drzewa regresyjne, obrazy cykli sezonowych szeregów czasowych. Keywords: short-term load forecasting, fuzzy regression trees, patterns of the time series seasonal cycles. doi:10.12915/pe.2014.04.24 Wstęp Drzewa decyzyjne należą do popularnych narzędzi uczenia maszynowego wykorzystywanych do wnioskowania indukcyjnego. Aproksymują one funkcje docelowe w sposób dyskretny i reprezentują te funkcje w strukturze drzewiastej lub alternatywnie w zbiorze reguł decyzyjnych "jeśli-to". Charakterystyczny dla drzew decyzyjnych jest podział przestrzeni cech na hiperprostopadłościany i dopasowanie do każdego z nich prostego modelu (najczęśc[...]

 Strona 1  Następna strona »