DOI: https://doi.org/10.20535/1813-5420.0.2014.151986

ОПЕРАТИВНЕ ПРОГНОЗУВАННЯ ЦІН ПОСТАВОК ЕЛЕКТРОЕНЕРГІЇ НА ОПТОВОМУ РИНКУ

Valerii Valeriiovych Huz

Анотація


В даній роботі було проаналізовано доступні методи для процесу оперативного прогнозування цін на оптовому ринку електроенергії України та запропоновано використання Методу Групового Урахування Аргументів (МГУА). МГУА дозволяє знаходити оптимальну, з точки зору складності, структури та точності передбачення, модель, що описує динаміку зміни цін та дозволяє враховувати нестаціонарність вхідних даних. Більше того, запропоновано використання зовнішніх доповнень, що базуються на вхідних даних при утворенні таких моделей.

Ключові слова


метод групового урахування аргументів; планування поставок; оптовий ринок; електроенергія; комп'ютерна модель; прогнозування

Повний текст:

PDF

Посилання


Holland, J.H. Adaptation in natural and artificial systems [Text] / J.H. Holland. — Ann Arbor : Univ. of Michigan Press, 1975. — 183 p.

Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности [Текст] / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. — Х. : Основа, 1997. — 112 с.

Батищев, Д.И. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов [Текст] / Д.И. Батищев, С.А. Исаев // Сборник статей ВГТУ. — 1997.

Борукаев З.Х., Остапченко К.Б. Лисовиченко О.И. Компьютерное моделирование задач планирования поставок электроэнергии на оптовом рынке с применением искусственных нейронных сетей [Текст] / Остапченко К.Б. Лисовиченко О.И. Борукаев, З.Х. // Збiрник наукових праць, Iнститут проблем моделювання в енергетицi iм. Г.Є.Пухова. — 2012. — No 65. — С. 140–152.

A.P. Alves da Silva U.P. Rodrigues, A.J. Rocha Reis L.S. Moulin. NeuroDem - a neural network based short term demand forecaster [Text] / A.J. Rocha Reis L.S. Moulin A.P. Alves da Silva, U.P. Rodrigues // IEEE Power Technical Conference. — 2001.

H.S. Hippert C.E. Pedreira, R.C. Souza. Combining neural networks and ARIMA models for hourly temperature forecasts [Text] / R.C. Souza H.S. Hippert, C.E. Pedreira // Proceedings of the IEEE International Joint Conference on Neural Networks. — 2000. — P. 414–419.

W. Charytoniuk, M.S. Chen. Neural network design for short-term load forecasting. [Text] / M.S. Chen W. Charytoniuk.

I Tassadduq, S. Rehman K. Bubshait. Application of neural networks for the prediction of hourly mean surface temperatures in Saudi Arabia [Text] / S. Rehman K. Bubshait I, Tassadduq // Renewable Energy. — 2002. — Vol. 25. — P. 545–554.

T. Matsui T. Iizaka, Y. Fukuyama. Peak load forecasting using analyzable structured neural network [Text] / Y. Fukuyama T. Matsui, T. Iizaka // Proceedings of the IEEE Power Engineering Society Winter Meeting. — 2001. — P. 405–410.

III, H.W. Lewis. Intelligent hybrid load forecasting system for an electric power company [Text] / H.W. Lewis III // Proceedings of the IEEE Mountain Workshop on Soft Computing in Industrial Applications. — 2001. — P. 23–27.

Ивахненко, А. Г. Индуктивный метод самоорганизации моделей сложных систем [Текст] / А. Г. Ивахненко. — Киев : Наук. думка, 1981. — 296 с.

Farlow, S.J. The GMDH algorithm, In: Farlow SJ, ed. Self-Organizing Methods in Modeling: GMDH Type Algorithms [Text] / S.J. Farlow. — New York : Marcel-Dekker, 1984. — P. 1–24.

Barron, A.R. Predicted squared error- a criterion for automatic model selection. In: S.J. Farlow, ed. Self-Organizing Methods in Modeling: GMDH Type Algorithms [Text] / A.R. Barron. — New York : Marcel-Dekker, 1984. — P. 87–103.

Купалова, Г.I. Теорiя економiчного аналiзу: навч. посiб [Text] / Г.I. Купалова. — К. : Знання, 2008. — 639 p.

Дрейпер, Н. Прикладной регрессионный анализ [Текст] / Н. Дрейпер, Г. Смит. — М. : Издательский дом «Вильямс», 2007.


Пристатейна бібліографія ГОСТ






___________________________________________________________

© Кафедра електропостачання, Інститут енергозбереження та енергоменеджменту, НТУУ 'КПІ ім. Ігоря Сікорського' 2019 р.

Адміністратор web-сайту Закладний О.О. zakladniy@gmail.com