Power Demand Daily Predictions using the Combined Differential Polynomial Network
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F14%3A86090330" target="_blank" >RIV/61989100:27740/14:86090330 - isvavai.cz</a>
Výsledek na webu
<a href="http://link.springer.com/chapter/10.1007%2F978-3-319-08156-4_8#page-1" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-08156-4_8#page-1</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-08156-4_8" target="_blank" >10.1007/978-3-319-08156-4_8</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Power Demand Daily Predictions using the Combined Differential Polynomial Network
Popis výsledku v původním jazyce
Power demand prediction is important for the economically efficient operation and effective control 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. Cooperation on the electricity grid requires from all providers to foresee the load within a sufficient accuracy. 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 ordinary differential equation, describing 1-paramet
Název v anglickém jazyce
Power Demand Daily Predictions using the Combined Differential Polynomial Network
Popis výsledku anglicky
Power demand prediction is important for the economically efficient operation and effective control 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. Cooperation on the electricity grid requires from all providers to foresee the load within a sufficient accuracy. 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 ordinary differential equation, describing 1-paramet
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
Advances in Soft Computing. Volume 303
ISBN
978-3-319-08155-7
ISSN
1615-3871
e-ISSN
—
Počet stran výsledku
10
Strana od-do
73-82
Název nakladatele
Springer Verlag
Místo vydání
London
Místo konání akce
Ostrava
Datum konání akce
23. 6. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—