Recurrent neural network technique for one-day ahead load forecasting
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F00%3A43300020" target="_blank" >RIV/00216305:26220/00:43300020 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Recurrent neural network technique for one-day ahead load forecasting
Popis výsledku v původním jazyce
Multilayer perceptron networks (MLP) have constituted the preferred architecture, achieving successful results for the load forecasting problem during recent years. However, this model generally fails to deal with the temporal pattern of the load signal,being more suitable for static pattern recognition tasks. Recurrent or dynamic networks have shown better capabilities for time signals modeling and forecasting. This paper presents the application of a recurrent neural network model for short-term loadforecasting problem. Particularly, the Elman recurrent model was applied to one-day ahead load forecasting for the Czech Electric Power System (ČEZ). The load values are considered as a time series, , taking advantage of the temporal processing capabilities of this neural network model. The strength of this technique lies in its ability to forecast the load effectively on weekdays, on weekends and as well as, on special days/public holidays.
Název v anglickém jazyce
Recurrent neural network technique for one-day ahead load forecasting
Popis výsledku anglicky
Multilayer perceptron networks (MLP) have constituted the preferred architecture, achieving successful results for the load forecasting problem during recent years. However, this model generally fails to deal with the temporal pattern of the load signal,being more suitable for static pattern recognition tasks. Recurrent or dynamic networks have shown better capabilities for time signals modeling and forecasting. This paper presents the application of a recurrent neural network model for short-term loadforecasting problem. Particularly, the Elman recurrent model was applied to one-day ahead load forecasting for the Czech Electric Power System (ČEZ). The load values are considered as a time series, , taking advantage of the temporal processing capabilities of this neural network model. The strength of this technique lies in its ability to forecast the load effectively on weekdays, on weekends and as well as, on special days/public holidays.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JA - Elektronika a optoelektronika, elektrotechnika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2000
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
3rd International Conference on Prediction (NOSTRADAMUS)
ISBN
80-214-1668-8
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
—
Název nakladatele
TU Zlín
Místo vydání
Zlín
Místo konání akce
—
Datum konání akce
—
Typ akce podle státní příslušnosti
—
Kód UT WoS článku
—