Neural Modeling of the Electric Power Stock Market in Usage of MATLAB and Simulink Tools for the Day Ahead Market Data

• Autorzy: Dariusz Ruciński , Jerzy Tchórzewski
• Języki publikacji: EN

Abstrakty

EN

The work contains selected results of the modelling of neural Electric Power Exchange (EPE) in Poland. For modelling EPE system, artificial neural network (ANN) was constructed. ANN was learned and tested using of the next day market data. Generated neural model was used for simulation tests and susceptibility tests. Suitable model was implemented in Simulink. As a result of simulation tests and susceptibility testing a lot of interesting research results were obtained. (original abstract)

Słowa kluczowe

EN

Electric power; Artificial neural networks (ANN); Simulation; MATLAB system

PL

Energia elektryczna; Sztuczne sieci neuronowe (SSN); Symulacja; System MATLAB

• Czasopismo: Information Systems in Management
• Rocznik: 2016
• Tom: 5
• Numer: nr 2
• Strony: 215--226

Twórcy

autor

Dariusz Ruciński

• Siedlce University of Natural Sciences and Humanities, Poland

autor

Jerzy Tchórzewski

• Siedlce University of Natural Sciences and Humanities, Poland

Bibliografia

• [1] Fijorek K., Mróz K., Niedziela K., Fijorek D. (2010), Prognozowanie cen energii elektrycznej na Rynku Dnia Następnego metodami data minig. Rynek Energii nr 12.
• [2] Mynarski S. (1993), Analiza rynku. Systemy i mechanizmy. Wyd. AE. Kraków.
• [3] Malko J. (2003), Black-out, czyli zdarzenia katastrofalne w krytycznych systemach infrastrukturalnych, Wokół Energetyki, vol. 6 tom 5.
• [4] Li J., Li J. (2008), Next-Day Electricity Price Forecasting Based on Support Vector Machines and Data Mining Technology. Proceedings of the 27th Chinese Control Conference, Kunming, Yunnan, China.
• [5] Mielczarski W. (2000), Rynki energii elektrycznej. Wybrane aspekty techniczne i ekonomiczne, ARE, Warszawa.
• [6] Osowski S. (2000), Sieci neuronowe do przetwarzania informacji, PW, Warszawa.
• [7] Rutkowska D., Piliński M., Rutkowski L. (1997), Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa.
• [8] Senjyu T., Takara H., Uezato K., and Funabashi T. (2002), One-Hour-Ahead Load Forecasting Using Neural Network, IEEE Trans. on Power Systems, vol. 17, no. 1, pp. 113-118.
• [9] Stankovic A.M., Saric A.T., and Milosevic M. (2003), Identification of Nonparametric Dynamic Power System Equivalents with Artificial Neural Networks, IEEE Transactions on Power Systems, vol. 18, no. 4, pp. 1478-1486.
• [10] Tadeusiewicz R. (1993), Sieci neuronowe. AOW RM, Warszawa.
• [11] Tchórzewski J. (2013), Rozwój systemu elektroenergetycznego w ujęciu teorii sterowania i systemów. OW PWr. Wrocław.
• [12] Tchórzewski J. (2009), Identification of the Electrical Energy Stock Exchange and creating knowledge maps using MATLAB environment with SIT and NNT Toolboxes, Energy Market, 2009. EEM 2009. 6th International Conference on the European. IEEE Xplore Digital Library.
• [13] Tchórzewski J., Ruciński D. (2016), Neural Modeling Safe Development of the Electricity Stock Exchange Using Quotations of Day-Ahead Market, Wolters Kluwer, Warszawa.
• [14] Wierzchoń S., Kłopotek M. (2015), Cluster analysis. IPI PAN, Warszawa.
• [15] Żurada J., Barski M., Jędruch W. (1996), Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, PWN, Warszawa.
• [16] http://www.mathworks.com/help/nnet