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”

Daily Power Load Forecasting using the Differential Polynomial Neural Network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F14%3A86090329" target="_blank" >RIV/61989100:27740/14:86090329 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://link.springer.com/chapter/10.1007%2F978-3-319-07617-1_42#page-1" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-07617-1_42#page-1</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Daily Power Load Forecasting using the Differential Polynomial Neural Network

  • Popis výsledku v původním jazyce

    The purpose of the short-term electricity demand prediction is to forecast in advance the system load, represented by the sum of all consumers load at the same time. Power demand forecasting is important for economically efficient operation and effectivecontrol of power systems and enables to plan the load of generating unit. A precise load forecasting is required to avoid high generation cost and the spinning reserve capacity. Under-prediction of the demands leads to an insufficient reserve capacity preparation and can threaten the system stability, on the other hand, over-prediction leads to an unnecessarily large reserve that leads to a high cost preparations. Differential polynomial neural network is a new neural network type, which forms and resolves an unknown general partial differential equation of an approximation of a searched function, described by data observations. It generates convergent sum series of relative polynomial derivative terms, which can substitute for the ord

  • Název v anglickém jazyce

    Daily Power Load Forecasting using the Differential Polynomial Neural Network

  • Popis výsledku anglicky

    The purpose of the short-term electricity demand prediction is to forecast in advance the system load, represented by the sum of all consumers load at the same time. Power demand forecasting is important for economically efficient operation and effectivecontrol of power systems and enables to plan the load of generating unit. A precise load forecasting is required to avoid high generation cost and the spinning reserve capacity. Under-prediction of the demands leads to an insufficient reserve capacity preparation and can threaten the system stability, on the other hand, over-prediction leads to an unnecessarily large reserve that leads to a high cost preparations. Differential polynomial neural network is a new neural network type, which forms and resolves an unknown general partial differential equation of an approximation of a searched function, described by data observations. It generates convergent sum series of relative polynomial derivative terms, which can substitute for the ord

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2014

  • 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

    Lecture Notes in Computer Science. Volume 8480

  • ISBN

    978-3-319-07616-4

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    478-489

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    London

  • Místo konání akce

    Salamanca

  • Datum konání akce

    11. 6. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku