Algorytmy genetyczne a wydobywanie wiedzy w prognozowaniu zużycia energii elektrycznej

• Autorzy: Bożena Matusiak

Warianty tytułu

Genetic Algorithms and Data Mining in Forecasting Energy Consumption

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono system reprezentujący podejście hybrydowe z zastosowaniem SSN (Sztucznej Sieci Neuronowej) i GA (Algorytmu Genetycznego), dający lepsze rezultaty wstępnych badań niż klasyczne sieci neuronowe stosowane coraz powszechniej w problematyce prognozowania. Zastosowanie algorytmu genetycznego wspomaga etap uczenia poprzez poszukiwanie optymalnej sieci w trakcie rozwoju ewolucyjnego całej populacji możliwych sieci reprezentowanych za pomocą ich współczynników wagowych.

EN

The article presents system representing hybrid approach with the artificial neural network and genetic algorithm, giving better results of initial study then classic neural networks, which becomes more and more popular in forecasting. General algorithm's application supports learning by searching optimal net during the period of the whole population's evolutional development of possible nets represented through their weighted ratios. (AŁ)

Słowa kluczowe

PL

Algorytmy genetyczne; Sieci neuronowe; Energia elektryczna

EN

Genetic algorithms; Neural networks; Electric power

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2002
• Numer: nr 931 Pozyskiwanie wiedzy z baz danych
• Strony: 153--160

Twórcy

autor

Bożena Matusiak

Bibliografia

• Rynek bilansujący 2000 w Polsce v. 1.0, PSE SA Warszawa.
• Bartkiewicz W., Matusiak B.: Linking neural predictors with decision models: "The short-term load forecasting case study. Materiały konferencyjne 10-tej międzynarodowej konferencji: Aktualne Problemy w Elektroenergetyce (APE'01), Gdańsk-Jurata, czerwiec 6-8 2001.
• Bartkiewicz W., Gontar Z., Matusiak B., Zieliński J.S.: Neural network based short-term load forecasting for energy market, semninar "Energy Market". Łódź 19-21 Nov. 2001, 73-83.
• Matusiak B.: System hybrydowy wspomagający proces prognozowania zużycia energii w warunkach powstającego, konkurencyjnego rynku energii. II Warsztaty nauk o zarządzaniu dla doktorantów i przyszłych doktorantów. Zakopane 10-12 maj 2001, v. II s. 63-70.
• Matusiak B.: Hybrid Neural - Genetic System for Energy Transaction Planning. Materiały konferencyjne III-ej konferencji: Teoria i Zastosowania Sztucznej Inteligencji. (CAI 2000), Łódź, listopad 5-7, s. 41-48.
• Bartkiewicz W., Gontar Z., Zieliński J.S. (2000): Neural-Heuristic approach to short-term load forecasting problems. Proc. of the II International ICSC Synap. on Neural Computation, NC200G, Berlin, Germany, May 21-26, 740-744.