PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2014 | nr 347 Ekonomia | 195--204
Tytuł artykułu

Modelowanie rynku energii przy użyciu nowoczesnych metod prognostycznych

Warianty tytułu
Modeling the Energy Market Using Modern Forecasting Methods
Języki publikacji
PL
Abstrakty
Opracowanie porusza problematykę modelowania oraz optymalizacji rynku energii przy użyciu metod prognostycznych bazujących na narzędziach z dziedziny sztucznej inteligencji. W pracy poruszone zostały zagadnienia związane z wykorzystaniem metod optymalizacji działających w oparciu o zasadę ewolucji Darwina, takich jak algorytmy genetyczne. Opracowanie ma na celu także zbadanie możliwości rozbudowy klasycznych algorytmów genetycznych o elementy bazujące na innych metodach optymalizacji. W tym celu omówione zostały modele hybrydowe, m.in. zbudowane w oparciu o współpracę algorytmów genetycznych ze sztucznymi sieciami neuronowymi.(abstrakt oryginalny)
EN
The paper presents the issues of modeling and optimization of the energy market using forecasting methods based on the tools in the field of artificial intelligence. The described issues are associated with the use of optimization methods acting on the basis of Darwin's evolution, such as genetic algorithms. The study aims at examining the possibility of extension of classical genetic algorithms with elements based on other methods of optimization. To this end, hybrid models are discussed, e.g. models built on the cooperation of genetic algorithms with artificial neural networks.(original abstract)
Rocznik
Strony
195--204
Opis fizyczny
Twórcy
  • Politechnika Łódzka
  • Politechnika Łódzka
Bibliografia
  • Attaviriyanupap P., Kita H., Tanaka E., Hasegawa J., 2005, New bidding strategy formulation for day ahead energy and reserve markets based on evolutionary programming, International Journal of Electrical Power & Energy Systems, vol. 27, issue 3, s. 157-167.
  • Azadeh A., Ghaderi S. F., Tarverdian S., 2006, Electrical Energy Consumption Estimation by Genetic Algorithm, IEEE International Symposium on Industrial Electronics, Montreal, Canada, s. 395-398.
  • Azadeh A., Tavakoli Moghadam R., Ghaderi S. F., Tarverdian S., Saberi M., 2006, Integration of Artificial Neural Networks and Genetic Algorithm to Predict Electrical Energy Consumption in Energy Intensive Sector, 2006 1st IEEE International Conference on E-Learning in Industrial Electronics, Hammamet, Tunisia, s. 58-63.
  • Changsong C., Shanxu D., Tao C., Bangyin L., Jinjun Y., 2009, Energy Trading Model for Optimal Microgrid Scheduling Based on Genetic Algorithm, 2009 IEEE 6th International Power Electronics and Motion Control Conference, Wuhan, China, s. 2136-2139.
  • Contreras J., Klusch M., Krawczyk J.B., 2004, Numerical solutions to Nash-Cournot Equilibria in Coupled Constraint Electricity Markets, IEEE Transactions on Power Systems, vol. 17, no 1, s. 166-172.
  • Friedman D., 1998, On economic applications of evolutionary game theory, Journal of Evolutionary Economics, vol. 8, s. 15-43.
  • Jasiński T., 2011, The Usage of Artificial Neural Networks on the Energy Market, [w:] red. L. Kiełtyka, IT Tools in Management and Education, Wydawnictwo Politechniki Częstochowskiej, Częstochowa, s. 98-103.
  • Menniti D., Pinnarelli A., Sorrentino N., 2008, Simulation of producers behavior in the electricity market by evolutionary games, Electric Power Systems Research 78, s. 475-483.
  • Rebours Y., Kirschen D., 2005, What is spinning reserve?, The University of Manchester, Release 1.
  • Riechmann T., 2001, Genetic algorithm learning and evolutionary games, Journal of Economic Dynamics and Control, vol. 25, s. 1019-1037.
  • Teive R.C.G., Guder R., Sebba C., 2010, Risk Management in the Energy Trading Activity - an Approach by Using Multi Objective Genetic Algorithm and Multi Criteria Theory, 2010 IEEEIPES Transmission and Distribution Conference and Exposition: Latin America, Sao Paulo, Brazil, s. 504-510.
  • Ventosa M., Baillo A., Ramos A., Rivier M., 2005, Electricity market modeling trends, Energy Policy, vol. 33, issue 7, s. 897-913.
  • Wang S., Dong X., 2009, Predicting China's Energy Consumption Using Artificial Neural Networks and Genetic Algorithms, 2009 International Conference on Business Intelligence and Financial Engineering, Beijing, China, s. 8-11.
  • Wen F., David A.K., 2000, Coordination of Bidding Strategies in Energy and Spinning Reserve Markets for Competitive Suppliers Using a Genetic Algorithm, Power Engineering Society Summer Meeting, 2000. IEEE, vol. 4, s. 2174-2179.
  • Zhao H., Liu R., Zhao Z., Fan C., 2011, Analysis of Energy Consumption Prediction Model Based on Genetic Algorithm and Wavelet Neural Network, [w:] red. C.Z. Wang, Z.W. Ye, 2011 3rd International Workshop on Intelligent Systems and Applications, Wuhan, China.
  • Gestore dei Mercati Energetici: http://www.mercatoelettrico.org (dostęp 02.05.2014).
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171341125

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.