Electricity Load Forecasting Using Autoregressive And Artificial Neural Network Model

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F16%3APU119744" target="_blank" >RIV/00216305:26220/16:PU119744 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.feec.vutbr.cz/EEICT/2016/sbornik/EEICT-2016-sborn%C3%ADk-komplet.pdf" target="_blank" >http://www.feec.vutbr.cz/EEICT/2016/sbornik/EEICT-2016-sborn%C3%ADk-komplet.pdf</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Electricity Load Forecasting Using Autoregressive And Artificial Neural Network Model
Popis výsledku v původním jazyce
Abstract-In this paper a short review of two forecasting models Autoregressive and Artificial neural network is presented. Both models were used to demonstrate its superior performance in load forecasting issues. In the third section the results of load forecasting experiment are given. For obtained forecasted results mean absolute percentage error for autoregressive model was 0.644 % and for artificial neural network model 2.31 %. In this paper error distribution for both models is also shown.
Název v anglickém jazyce
Electricity Load Forecasting Using Autoregressive And Artificial Neural Network Model
Popis výsledku anglicky
Abstract-In this paper a short review of two forecasting models Autoregressive and Artificial neural network is presented. Both models were used to demonstrate its superior performance in load forecasting issues. In the third section the results of load forecasting experiment are given. For obtained forecasted results mean absolute percentage error for autoregressive model was 0.644 % and for artificial neural network model 2.31 %. In this paper error distribution for both models is also shown.

Projekt
<a href="/cs/project/LO1210" target="_blank" >LO1210: Energie v podmínkách udržitelného rozvoje (EN-PUR)</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the 22nd conference Student EEICT
ISBN
978-80-214-5350-0
ISSN
—
e-ISSN
—
Počet stran výsledku
777
Strana od-do
472-476
Název nakladatele
Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních
Místo vydání
Brno
Místo konání akce
Brno
Datum konání akce
28. 4. 2016
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—

Podobné výsledky(10)