КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ

КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ

The paper proposes the architecture of deep learning artificial neural network for short-term forecasting of total electricity supply by renewable energy sources (RES) producers. The paper shown that using such neural network, it is advisable to predict 10 and 90 percentile of error distribution, wh...

Full description

Saved in:
Bibliographic Details
Date:2019
Main Authors: Блінов, І.В., Мірошник, В.О., Шиманюк, П.В.
Format: Article
Language:Ukrainian
Published: Інститут електродинаміки Національної академії наук України 2019
Subjects:
відновлювані джерела енергії
ринок електричної енергії
короткострокове прогнозування
прогнозний інтервал
нейронні мережі глибинного навчання
Online Access:https://prc.ied.org.ua/index.php/proceedings/article/view/115
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine

Institution

Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine
id oai:ojs2.prc.new-point.com.ua:article-115
record_format ojs
spelling oai:ojs2.prc.new-point.com.ua:article-1152023-02-09T13:57:04Z SHORT-TERM INTERVAL FORECAST OF TOTAL ELECTRICITY GENERATION BY RENEWABLE ENERGY SOURCES PRODUCERS КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ Блінов, І.В. Мірошник, В.О. Шиманюк, П.В. відновлювані джерела енергії ринок електричної енергії короткострокове прогнозування прогнозний інтервал нейронні мережі глибинного навчання renewable sources electricity market short-term forecasting forecast interval deep learning neural networks The paper proposes the architecture of deep learning artificial neural network for short-term forecasting of total electricity supply by renewable energy sources (RES) producers. The paper shown that using such neural network, it is advisable to predict 10 and 90 percentile of error distribution, which gives the lower and upper bounds of the forecast interval with a hit probability of 0.8 in addition to point forecasting of the most probable value of electricity release. An error function is used for training, which is a combination of the mean squared error deviation and the quantile regression error for the percentile model. The test of the model was carried out on the real data of the total release of RES producers published by SE “Energorynok”. The quality of the forecast was compared with forecast data of the manufacturers. The minimum average error is reached by combination of neural network and manufacturers' forecasts. The lowest maximum error is provided by the independent neural network forecast. The forecast interval provides a probability ​​of 0.82 for getting into this interval of actual values with an expected value of 0.8. References 9, figures 4, table. Запропоновано архітектуру штучної нейронної мережі глибинного навчання для короткострокового прогнозування сумарного відпуску електроенергії виробниками з відновлюваних джерел енергії (ВДЕ). Показано, що за допомогою такої нейронної мережі, крім точкового прогнозу найбільш ймовірного значення відпуску, доцільно прогнозувати 10-й та 90-й перцентилі розподілу похибки, що дає нижню і верхню  межі прогнозного інтервалу з імовірністю попадання 0,8. Для навчання використовувалась функція похибки, яка є комбінацією середнього квадрату відхилень та похибкою квантильної регресії для моделі перцентилів. Апробація моделі проводилась на реальних даних сумарного відпуску виробників з ВДЕ, які публікував ДП «Енергоринок». Якість прогнозу порівнювалась з прогнозами виробників. Мінімальної середньої похибки досягнуто шляхом  усереднення прогнозів нейронної мережі та виробників, найнижчу максимальну похибку забезпечує самостійний прогноз нейронної мережі. Прогнозний інтервал забезпечує ймовірність потрапляння фактичного значення 0,82 замість очікуваного 0,8. Бібл. 9, рис. 4, таблиця. Інститут електродинаміки Національної академії наук України 2019-11-25 Article Article application/pdf https://prc.ied.org.ua/index.php/proceedings/article/view/115 10.15407/publishing2019.54.005 Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine; No. 54 (2019): Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine ; 005 Праці Інституту електродинаміки Національної академії наук України; № 54 (2019): Праці Інституту електродинаміки Національної академії наук України; 005 2786-7064 1727-9895 10.15407/publishing2019.54 uk https://prc.ied.org.ua/index.php/proceedings/article/view/115/112 Авторське право (c) 2019 Блінов І.В., Мірошник В.О., Шиманюк П.В. https://creativecommons.org/licenses/by-nc-nd/4.0
institution Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine
baseUrl_str
datestamp_date 2023-02-09T13:57:04Z
collection OJS
language Ukrainian
topic відновлювані джерела енергії
ринок електричної енергії
короткострокове прогнозування
прогнозний інтервал
нейронні мережі глибинного навчання
spellingShingle відновлювані джерела енергії
ринок електричної енергії
короткострокове прогнозування
прогнозний інтервал
нейронні мережі глибинного навчання
Блінов, І.В.
Мірошник, В.О.
Шиманюк, П.В.
КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ
topic_facet відновлювані джерела енергії
ринок електричної енергії
короткострокове прогнозування
прогнозний інтервал
нейронні мережі глибинного навчання
renewable sources
electricity market
short-term forecasting
forecast interval
deep learning neural networks
format Article
author Блінов, І.В.
Мірошник, В.О.
Шиманюк, П.В.
author_facet Блінов, І.В.
Мірошник, В.О.
Шиманюк, П.В.
author_sort Блінов, І.В.
title КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ
title_short КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ
title_full КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ
title_fullStr КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ
title_full_unstemmed КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ
title_sort короткостроковий інтервальний прогноз сумарного відпуску електроенергії виробниками з відновлюваних джерел енергії
title_alt SHORT-TERM INTERVAL FORECAST OF TOTAL ELECTRICITY GENERATION BY RENEWABLE ENERGY SOURCES PRODUCERS
description The paper proposes the architecture of deep learning artificial neural network for short-term forecasting of total electricity supply by renewable energy sources (RES) producers. The paper shown that using such neural network, it is advisable to predict 10 and 90 percentile of error distribution, which gives the lower and upper bounds of the forecast interval with a hit probability of 0.8 in addition to point forecasting of the most probable value of electricity release. An error function is used for training, which is a combination of the mean squared error deviation and the quantile regression error for the percentile model. The test of the model was carried out on the real data of the total release of RES producers published by SE “Energorynok”. The quality of the forecast was compared with forecast data of the manufacturers. The minimum average error is reached by combination of neural network and manufacturers' forecasts. The lowest maximum error is provided by the independent neural network forecast. The forecast interval provides a probability ​​of 0.82 for getting into this interval of actual values with an expected value of 0.8. References 9, figures 4, table.
publisher Інститут електродинаміки Національної академії наук України
publishDate 2019
url https://prc.ied.org.ua/index.php/proceedings/article/view/115
work_keys_str_mv AT blínovív shorttermintervalforecastoftotalelectricitygenerationbyrenewableenergysourcesproducers
AT mírošnikvo shorttermintervalforecastoftotalelectricitygenerationbyrenewableenergysourcesproducers
AT šimanûkpv shorttermintervalforecastoftotalelectricitygenerationbyrenewableenergysourcesproducers
AT blínovív korotkostrokovijíntervalʹnijprognozsumarnogovídpuskuelektroenergíívirobnikamizvídnovlûvanihdžerelenergíí
AT mírošnikvo korotkostrokovijíntervalʹnijprognozsumarnogovídpuskuelektroenergíívirobnikamizvídnovlûvanihdžerelenergíí
AT šimanûkpv korotkostrokovijíntervalʹnijprognozsumarnogovídpuskuelektroenergíívirobnikamizvídnovlûvanihdžerelenergíí
first_indexed 2025-09-24T17:31:18Z
last_indexed 2025-09-24T17:31:18Z
_version_ 1850410168010932224

Similar Items