Metrika

  • citati u SCIndeksu: 0
  • citati u CrossRef-u:0
  • citati u Google Scholaru:[]
  • posete u poslednjih 30 dana:1
  • preuzimanja u poslednjih 30 dana:1

Sadržaj

članak: 10 od 10  
Back povratak na rezultate
2013, vol. 17, br. 2, str. 97-99
Uporedna analiza uticaja vremenskih serija temperature i opterećenja na proces predviđanja potrošnje električne energije
Univerzitet u Novom Sadu, Fakultet tehničkih nauka

e-adresaslobodan.ilic@uns.ac.rs
Ključne reči: kratkoročno predviđanje potrošnje električne energije; vremenske serije potrošnje; elektroenergetska industrija; uticaj temperature na potrošnju; višestruka linearna regresija
Sažetak
U ovom radu je predstavljeno nekoliko modela višestruke linearne regresije, koji se koriste za navedenu problematiku, pri čemu je njihova osnovna namena mogućnost komparativne analize. Predstavljeno je upoređivanje različitih modela, koji su nastali prilikom razvoja aplikacije za predviđanje potrošnje el. energije, namenjene za korišćenje u elektroenergetskoj kompaniji iz SAD. Glavni cilj sprovedene analize je da se utvrdi koje promenljive imaju najveći uticaj na ponašanje krive potrošnje el. energije. Stoga su razvijeni posebni modeli koji uzimaju u obzir izolovani uticaj temperature i opterećenja. Na osnovu korelacione analize formiran je model koji u prvom slučaju sačinjavaju isključivo temperaturne promenljive a u drugom isključivo promenljive koje opisuju vremensku seriju el. opterećenja. Finalni model podrazumeva kombinaciju uticaja temperature i opterećenja i daje najbolje rezultate kada se aplicira na podatke koji su ovde analizirani. Analiza predstavljenih modela može biti korisna u radu sa realnim algoritmima predviđanja, pri čemu se neke od predloženih metoda mogu decidno testirati radi utvrđivanja praktične primenljivosti.
Reference
Amjady, N., Keynia, F. (2009) Short-term load forecasting of power systems by combination of wavelet transform and neuro-evolutionary algorithm. Energy, 34(1): 46-57
Amjady, N. (2001) Short-term hourly load forecasting using time-series modeling with peak load estimation capability. IEEE Transactions on Power Systems, 16(4): 798-805
Amjady, N., Keynia, F., Zareipour, H. (2010) Short-Term Load Forecast of Microgrids by a New Bilevel Prediction Strategy. IEEE Transactions on Smart Grid, 1(3): 286-294
Bakirtzis, A.G., Theocharis, J.B., Kiartzis, S.J., Satsios, K.J. (1995) Short term load forecasting using fuzzy neural networks. IEEE Transactions on Power Systems, 10(3): 1518-1524
Christiaanse, W. (1971) Short-Term Load Forecasting Using General Exponential Smoothing. IEEE Transactions on Power Apparatus and Systems, PAS-90(2): 900-911
Fan, S., Chen, L. (2006) Short-Term Load Forecasting Based on an Adaptive Hybrid Method. IEEE Transactions on Power Systems, 21(1): 392-401
Hippert, H.S., Pedreira, C.E., Souza, R.C. (2001) Neural networks for short-term load forecasting: a review and evaluation. IEEE Transactions on Power Systems, 16(1): 44-55
Hong, T., Wang, P., Willis, H.L. (2011) A naïve multiple linear regression benchmark for short term load forecasting. u: Power and Energy Society General Meeting, 2011 IEEE, July 24-29, Raleigh, NC, str. 1-6
Ilic, S., Vukmirovic, S., Erdeljan, A., Kulic, F. (2012) Hybrid artificial neural network system for short-term load forecasting. Thermal Science, 16(suppl. 1): 215-224
Irisarri, G., Widergren, S., Yehsakul, P. (1982) On-Line Load Forecasting for Energy Control Center Application. IEEE Transactions on Power Apparatus and Systems, PAS-101(1): 71-78
Meslier, F. (1978) New advances in short term load forecasting using Box and Jenkins approach. u: IEEE/PES Winter Meeting, New York
Papalexopoulos, A.D., Hesterberg, T.C. (1989) A regression based approach to short term system load forecasting. u: Proceedings of PICA conference, Seattle, Washington
Peng, T.M., Hubele, N.F., Karady, G.G. (1990) Conceptual approach to the application of neural network for short-term load forecasting. u: IEEE International Symposium on Circuits and Systems
Shahidehpour, M., Li, Z., Yamin, H. (2002) Market operations in electric power systems. New York: John Wiley and sons Inc
Song, K.B., Ha, S.K., Park, J.W., Kweon, D.J., Kim, K.H. (2006) Hybrid Load Forecasting Method With Analysis of Temperature Sensitivities. IEEE Transactions on Power Systems, 21(2): 869-876
Srinivasan, D., Chang, C.S., Liew, A.C. (1995) Demand forecasting using fuzzy neural computation, with special emphasis on weekend and public holiday forecasting. IEEE Transactions on Power Systems, 10(4): 1897-1903
 

O članku

jezik rada: engleski
vrsta rada: izvorni naučni članak
objavljen u SCIndeksu: 02.09.2013.

Povezani članci