Zastosowanie sieci neuronowych do analizy rynku energii elektrycznej w Polsce

Widok

Metadane zasobu

Tytuł	Zastosowanie sieci neuronowych do analizy rynku energii elektrycznej w Polsce Wariant tytułu: The use of neural networks for analysis of the power market in Poland
Osoby	Autorzy: Jarosław Protasiewicz Partner: Instytut Badań Systemowych PAN w Warszawie
Opis	Model rynku energii elektrycznej oraz koncepcja systemu informatycznego wspomagającego podejmowanie decyzji w przedsiębiorstwie zajmującym się obrotem energią elektryczną na polskim rynku jest punktem wyjścia do rozważań nad dwoma głównymi zagadnieniami referatu: prognozowaniem zapotrzebowania na energię elektryczną i cen energii oraz ryzykiem modeli prognozowania i portfela kontraktów. Przedstawia się dwa neuronowe systemy prognozowania zapotrzebowania na energię elektryczną: pierwszy to szereg modeli neuronowych (predyktorów), drugi to układ dwustopniowy klasyfikator - modele (predyktory). Modele obiektu prognozowanego są wykonane w oparciu o wielowarstwową sieć perceptronową oraz sieć o radialnych funkcjach bazowych, zaś jako klasyfikator zastosowana jest sieć samoorganizująca się z algorytmem Kohonena. W referacie zamieszcza się wyniki eksperymentów wykonanych dla rzeczywistego obiektu (Zakład Energetyczny Warszawa - Teren SA). Wykonano także prognozy cen energii elektrycznej na rynku dnia następnego towarowej giełdy energii. Przedstawione są wyniki prognoz wykonanych liniowymi modelami autoregresji oraz nieliniowymi modelami neuronowymi autoregresji i regresji opartymi o wielowarstwowe sieci perceptronowe. Kolejna część referatu jest poświęcona zagadnieniu ryzyka. Przeprowadzona jest dyskusja na temat zasadności stosowania miar ryzyka podchodzących z rynków finansowych: VaR (wartość narażona na ryzyko) i CVaR (warunkowa wartość narażona na ryzyko) do pomiaru ryzyka na rynku energii elektrycznej. Następnie przedstawia się metodę pomiaru ryzyka modeli prognozowania, przykład pomiaru ryzyka portfela kontraktów oraz dyskusję na temat optymalnego zarządzania portfelem kontraktów. (Polski) Opis w innym języku: The following thesis concerns issues of artificial intelligence, time series prediction, risk measurement and management. The Polish power market is presented as an example. Purposes, range and two theses are discussed in the introduction. The first thesis says that compound neural systems are suitable for prediction demand for electric energy and prices of this energy. The second thesis states that measures of risk: value at risk (VaR ) and conditional value at risk (CVaR) can be used for risk estimation of prediction models. Models of the Polish and European power markets are presented in the second chapter of the thesis. A market research was carried out by using the Unified Modelling Language (UML). Finally, a concept of a computer system aimed at decision support of a company’s turnover is shown. A conception of computational intelligence is presented in the third chapter of the thesis. Artificial, multilayer perceptron networks, radial basis function networks, self-organising networks are discussed there in details. Next a neural networks library, designed in UML and developed in Java language in order to perform experiments with time series forecasting is presented. The fourth chapter concerns a present state of knowledge about a time series prediction with a particular attention given to the forecasting needs for electric energy and load. Traditional statistical methods of forecasting shown in this chapter are followed by a description of implementation of the neural networks and fuzzy logic in forecasting. Forecasting experiments are described in the fifth chapter. The following compound neural systems for forecasting demand for electric energy are discussed: series of neuronal models, a two levelled system with a classifier and models. This is followed by a description of computational experiments, which were carried out using these systems. Additionally results of experiments concerning forecasting energy prices in the day ahead market at the power exchange are placed. The forecasts were executed by linear statistical models and nonlinear neuronal models. The sixth chapter is dedicated to a risk problem and deals with definitions and semantics of risk, derivative instruments as well as risk identification and measurements. Next a new method of risk measure (VaR, CVaR) of forecasting model is presented. It is followed by an example of measure of contracts’ portfolio risk and the discussion about optimal management of contracts’ portfolio is carried out. The final conclusions as well as possible directions of further research are presented in the summary. It is thought, that theses of the work were confirmed. Processed forecasting algorithms have been implemented in practice by Polish energy market related companies. However, the thesis does not solve all presented problems. Multi-criteria optimisation of a contracts’ portfolio as well as measures of risk based on fuzzy logic could be a subject of further research. (Angielski)
Słowa kluczowe	"rynek energii elektrycznej"@pl, "programowanie szeregów czasowych"@pl, "sieci neuronowe"@pl, "Neural Networks (Computer)"@en
Klasyfikacja	Typ zasobu: praca dyplomowa Dyscyplina naukowa: dziedzina nauk technicznych / informatyka (2011) Grupa docelowa: naukowcy, studenci, przedsiębiorcy Szkodliwe treści: Nie
Charakterystyka	Miejsce powstania: Warszawa Czas powstania: 2008 Liczba stron: 232 Promotor: Piotr Stanisław Szczepaniak Język zasobu: Polski Lokalizacja: Warszawa
Licencja	CC BY-SA 4.0
Informacje techniczne	Deponujący: Anna Wasilewska Data udostępnienia: 28-09-2018
Kolekcje	Kolekcja Instytutu Badań Systemowych PAN w Warszawie, Kolekcja e-Biblio IBS PAN

Cytowanie

Skopiowano

Jarosław Protasiewicz. Zastosowanie sieci neuronowych do analizy rynku energii elektrycznej w Polsce. [praca dyplomowa] Dostępny w Atlasie Zasobów Otwartej Nauki, . Licencja: CC BY-SA 4.0, https://creativecommons.org/licenses/by-sa/4.0/legalcode.pl. Data dostępu: DD.MM.RRRR.

Podobne zasoby

Inteligentne, reaktywne sterowanie robotem działającym w naturalnym otoczeniu

Tomasz Kubik, Robert Muszyński, artykuł, rozdział, Politechnika Wrocławska, dziedzina nauk technicznych / automatyka i robotyka (2011)

Algorytmy uczenia sieci neuronowych odporne na błędy w danych

Andrzej Rusiecki, praca dyplomowa, Politechnika Wrocławska, dziedzina nauk technicznych (2011)

Theory and practice of artificial intelligence for control: artificial intelligence for control

O. C. L. Haas, A. J. Koshkouei, książka, Politechnika Wrocławska, dziedzina nauk technicznych / informatyka (2011)

Identyfikacja dynamicznych systemów złożonych z wykorzystaniem sieci neuronowych

Jarosław Drapała, praca dyplomowa, Politechnika Wrocławska, dziedzina nauk matematycznych / informatyka (2011)

Sieci neuronowe typu art w systemach nawigacyjnych autonomicznych robotów

Adam Borkowski, Artur Dubrawski, Janusz Racz, artykuł, rozdział, Politechnika Wrocławska, dziedzina nauk technicznych / automatyka i robotyka (2011)

Analiza systemowa i obliczenia inteligentne w modelowaniu kapitału ludzkiego i społecznego na przykładzie szkoły ponadgimanzjalnej (PD-2009-05)

Aneta Wiktorzak, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk ekonomicznych / nauki o zarządzaniu (2011)

Zobacz więcej