Szczegóły publikacji
Opis bibliograficzny
Prognozowanie godzinowego zapotrzebowania na energię elektryczną dla dużej huty z wykorzystaniem sieci neuronowych — In day-ahead electricity load forecasting for large steel factory using neural networks / Ryszard KLEMPKA, Bogusław ŚWIĄTEK // Przegląd Elektrotechniczny / Stowarzyszenie Elektryków Polskich ; ISSN 0033-2097. — 2013 — R. 89 nr 7, s. 95–99. — Bibliogr. s. 99, Abstr., Streszcz.
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 75232 |
|---|---|
| Data dodania do BaDAP | 2013-09-02 |
| Rok publikacji | 2013 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Czasopismo/seria | Przegląd Elektrotechniczny |
Abstract
The transformation of the electricity market are forcing its users search for ever more precise instruments for forecasting for electricity load and the purchase of the energy market. There are many methods used for this purpose: heuristic methods, models of adaptive regression models, the models using neural networks, etc. The aim is to reduce production costs and more specifically one of its elements which is the cost of electricity. In many cases it is next to the cost of feedstock, this is a decisive cost. Discussed in the article system is designed for monitoring and forecasting of electricity load for a large steelworks plant is characterized by high volatility of electricity load.
Streszczenie
Przekształcenia rynku energii elektrycznej wymuszają na jego użytkownikach poszukiwania coraz dokładniejszych instrumentów do prognozowania zapotrzebowania na energię elektryczną i zakupu jej na Rynku Energii. Istnieje wiele metod wykorzystywanych w tym celu. Wykorzystuje się między innymi: metody heurystyczne, modele adaptacyjne, modele regresyjne, modele wykorzystujące sieci neuronowe itp. Celem tego działania jest obniżenie kosztów produkcji a konkretnie jednego z jej elementów jakim jest koszt energii elektrycznej. W wielu przypadkach jest to obok kosztu wsadu, koszt decydujący. Omawiany w artykule system informatyczny przeznaczony jest do monitorowania i prognozowania zużycia energii elektrycznej dla dużego zakładu metalurgicznego charakteryzującego się dużą zmiennością poboru energii elektrycznej.
