OPERATIONAL FORECASTING OF PRICES FOR ELECTRIC POWER SUPPLY IN THE WHOLESALE MARKET

Authors

  • Valerii Valeriiovych Huz Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Ukraine

DOI:

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

Keywords:

group method of data handling, planning of supplies, wholesale market, electricity, computer model, prediction

Abstract

In this paper we analyzed the available methods for the process of operational forecasting prices in the >wholesale electricity market of Ukraine and suggested to use of Group Method of Data Handling (GMDH). GMDH allows you to find the optimum in terms of complexity, structure and accuracy of the prediction model that describes the dynamics of change prices and takes into account stationary ergodic input. Moreover, was proposed to use external additions, based on the inputs for creating such models.

References

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.

Downloads

Issue

2014: Special issue

Section

ECONOMICS

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  1. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  1. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).