Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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