Forecast models of electric energy consumption by village recipients over a long-term horizon based on fuzzy logic

• Autorzy: Trojanowska M. , Malopolski J.

Warianty tytułu

PL

Modele prognostyczne zuzycia energii elektrycznej przez odbiorcow wiejskich w dlugim horyzoncie czasowym oparte na logice rozmytej

• Języki publikacji: EN

Abstrakty

EN

PL

Słowa kluczowe

EN

electrical energy; long-term forecasting; energy consumption; village recipient; fuzzy model; Mamdani model; market economy; annual consumption; Poland

• Wydawca: -
• Czasopismo: Teka Komisji Motoryzacji i Energetyki Rolnictwa
• Rocznik: 2011
• Tom: 11C
• Opis fizyczny: p.327-334,fig.,ref.

Twórcy

autor

Trojanowska M.

• Department of Power Engineering and Agricultural Processes Automation, Agricultural University of Krakow, Balicka Str. 116B, 30-149 Krakow, Poland

autor

Malopolski J.

Bibliografia

• 1. Cieślak M. (red.). 1999.: Prognozowanie gospodarcze. Metody i zastosowania. WN PWN Warszawa.
• 2. Dittman P. 2003.: Prognozowanie w przedsiębiorstwie. Oficyna Ekonomiczna, Kraków.
• 3. Dobrzańska I. 1998.: Prognozowanie elektroenergetyczne w świetle wymagań kodeksu planowania rozwoju systemu przesyłowego. Materiały V Konferencji Naukowo-Technicznej: Rynek energii elektrycznej REE’98. Nałęczów, 323 – 326.
• 4. Dobrzańska I. (red.). 2002.: Prognozowanie w elektroenergetyce. Zagadnienia wybrane. Wyd. Pol. Częstochowskiej, Częstochowa.
• 5. Małopolski J., Trojanowska M. 2009a.: Modele rozmyte zapotrzebowania na moc dla potrzeb krótkoterminowego prognozowania zużycia energii elektrycznej na wsi. Część I. Algorytmy wyznaczania modeli rozmytych. Inżynieria Rolnicza 5 (114), 185-191.
• 6. Małopolski J., Trojanowska M. 2009b.: Modele rozmyte zapotrzebowania na moc dla potrzeb krótkoterminowego prognozowania zużycia energii elektrycznej na wsi. Część II. Opracowanie predykcyjnych modeli relacyjnych. Inżynieria Rolnicza 5 (114), 185-191.
• 7. Mamdani E. H. 1974.: Applications of fuzzy algorithms for control of simple dynamic plant. Proceedings IEEE , No. 121(12). s. 1585–1588.
• 8. Mamdani E. H. 1977.: Applications of fuzzy algorithms to approximate reasoning using linguistic synthesis. IEEE Transactions on Computers 1977, vol. C–26, No.12. s. 1181–1182.
• 9. Mielczarski W., Michalik G., Khan M.E. 1998.: Fuzzy modeling of load demand in the residential systems. Heidelberg, New York.
• 10. Piegat A. 1999.: Modelowanie i sterowanie rozmyte. AOW EXIT. Warszawa.
• 11. Osowski S. 1996.: Sieci neuronowe w ujęciu algorytmicznym. WNT. Warszawa.
• 12. Pedrycz W. 1984.: An identification algorithm in fuzzy relational systems. Fuzzy Sets and Systems, No. 13, 153–167.
• 13. Pedrycz W. 1993.: Fuzzy control and fuzzy systems. New York: John Wiley and Sons.
• 14. Takagi T. Sugeno M. 1985.: Fuzzy identification of systems and its applications to modelling and control. IEEE Transactions on Systems, Man, and Cybernetics, vol. 15, No. 1, pp. 116-132.
• 15. Trojanowska M., Małopolski J. 2004.: Zastosowanie teorii zbiorów rozmytych w prognozowaniu zapotrzebowania na energię elektryczną na terenach wiejskich. Inżynieria Rolnicza nr 4 (59), 263-267.
• 16. Trojanowska M., Małopolski J. 2007.: Krótkoterminowe prognozowanie zapotrzebowania na energię elektryczną odbiorców wiejskich przy wykorzystaniu modeli Mamdaniego. Problemy Inżynierii Rolniczej nr 3, 35-42.
• 17. Trojanowska M., Małopolski J. 2009.: Wykorzystanie modeli Takagi-Sugeno do krótkoterminowego prognozowania zapotrzebowania na energię elektryczną odbiorców wiejskich. Inżynieria Rolnicza nr 1 (110), s. 325-330.
• 18. Zeliaś A., Pawełek B., Wanat S. 2004.: Prognozowanie ekonomiczne. WN PWN Warszawa.