Strøm Demand Masse Modellering Ved Hjelp Auto Regressiv Moving Gjennomsnitt Arma Modeller

Elektrisitetsbehov laster modellering ved hjelp av AutoRegressive Moving Average (ARMA) modeller S. Sp. Pappas a L. Ekonomou b. D. Ch. Karamousantas c G. E. Chatzarakis b S. K. Katsikas d P. Liatsis ea Institutt for informasjons - og kommunikasjonssystemteknikk, Egeins universitet, Karlovassi, 83 200 Samos, Hellas b Institutt for elektroteknologi Opplærere, ASPETESchool of Pedagogical and Technological Education, N. Heraklion, 141 21 Athen, Hellas c Teknologisk utdanningsinstitutt for Kalamata, Antikalamos, 24100 Kalamata, Hellas d Avdeling for teknologiutdanning amp Digital Systems, Universitetet i Piraeus, 150 Androutsou Srt. 18 532 Piraeus, Hellas e Divisjon Elektrisk Elektronikk Og Informasjonsteknologi, Ingeniørfag og Matematisk Vitenskap, Informasjons - og Biomedisinsk Engineering Center, City University, Northampton Square, London EC1V 0HB, Storbritannia Mottatt 10. mars 2008. Tilgjengelig online 2. juli 2008. Dette Studien omhandler problemet med modellering av strømforbruket i Hellas. De oppgitte faktiske belastningsdataene er desesasonilized og en AutoRegressive Moving Average (ARMA) - modell er montert på dataene offline, ved hjelp av Akac-korrigert informasjonskriterium (AICC). Den utviklede modellen passer på dataene på en vellykket måte. Vanskeligheter oppstår når de angitte dataene inneholder støy eller feil, og også når en on-lineadaptiv modellering er nødvendig. I begge tilfeller og under antagelsen om at de angitte dataene kan representeres av en ARMA-modell, utføres samtidig ordre - og parameterestimering av ARMA-modeller under nærvær av støy. De produserte resultatene indikerer at den foreslåtte metoden, som er basert på flermodell-partisjoneringsteori, takler vellykket det studerte problemet. For valideringsformål sammenlignes de produserte resultatene med tre andre etablerte ordrevalgskriterier, nemlig AICC, Akaikes Information Criterion (AIC) og Schwarz Bayesian Information Criterion (BIC). Den utviklede modellen kan være nyttig i studiene som omhandler strømforbruket og strømprisprognosene. Adaptiv multimodellfiltrering Elektrisk etterspørselslast ARMA Bestillingsvalg Parameterestimering Kalman filter Fig. 1. Fig. 2. Fig. 3. Fig. 4. Fig. 5. Fig. 6. Fig. 7. Fig. 8. Fig. 9 Fig. 10. Fig. 11. Fig. 12. Fig. 13. Stylianos Sp. Pappas ble født i Athen, Hellas 22. juni 1974. Han tok en Bachelor of Engineering (Hons.) I Elektroteknikk og Elektronikk i 1997 og en Master of Science i Advanced Control i 1998 fra University of Manchester Institute of Science and Technology ( UMIST) i Storbritannia. I 2008 ble han uteksaminert med en Ph. D. fra Institutt for informasjons - og kommunikasjonssystemteknikk, Egeins universitet, i Karlovassi i Samos i Hellas. Hans forskningsinteresse er innenfor partisjoneringsteoriets anvendelsesområder, evolusjonære algoritmer og kontrolldesignteknikker. Lambros Ekonomou ble født 9. januar 1976 i Athen, Hellas. Han tok en Bachelor of Engineering (Hons.) I Elektroteknikk og Elektronikk i 1997 og en Master of Science i Advanced Control i 1998 fra University of Manchester Institute for Science and Technology (U. M.I. S.T.) i Storbritannia. I 2006 ble han uteksaminert med en Ph. D. i høyspenningsteknologi fra det nasjonale tekniske universitetet i Athens (N. T.U. A.) i Hellas. Han har jobbet med ulike selskaper, inkludert Hellenic Public Power Corporation S. A. og Hellenic Aerospace Industry S. A. mens han i 2008 ble utnevnt til assisterende professor i ASPETE. Hans forskningsinteresser gjelder høyspenningsteknikk, overføring og distribusjonslinjer, lynprestasjon og beskyttelse, stabilitetsanalyse, kontrolldesign, pålitelighet, elektriske stasjoner og kunstige nevrale nettverk. Dimitrios Ch. Karamousantas ble født i Kalapodi, Hellas, 1. august 1957. Han tok Diploma i ingeniørfag og Ph. D. grader i maskinteknikk fra Institute Polytechnic CLUJ-NAPOCA, Romania, i henholdsvis 1984 og 1988. Foreløpig er han en lektor i det teknologiske utdanningsinstituttet i Kalamata, Hellas. George E. Chatzarakis ble født i Serres, Hellas, 20. mai 1961. Han tok Dipl. Eng. og ph. d. grader i elektroteknikk fra National Technical University of Athens (NTUA) i henholdsvis 1986 og 1990. For tiden er han professor i pedagogisk og teknologisk utdanning (ASPETE) i Athen, Hellas. Sokratis K. Katsikas ble født i Athen, Hellas, i 1960. Han tok Diploma i Elektroteknikk fra Universitetet i Patras, Patras, Hellas i 1982, cand. merc. In Electrical amp Computer Engineering grad fra University of Massachusetts at Amherst , Amherst, USA, i 1984 og Ph. D. i datateknikk, informatikk fra Universitetet i Patras, Patras, Hellas i 1987. I 1990 kom han til Egeerhøye Universitet i Hellas, hvor han fungerte som professor ved Institutt for Informasjonsstyringsteknologi og som rektor. I 2007 begynte han som professor ved Institutt for teknologiutdanning og digitale systemer ved Universitetet i Piraeus. Hans forskningsinteresser ligger innenfor områdene sikkerhet og estimeringsteori og anvendelser av informasjon og kommunikasjonssystemer. Han har forfatter eller medforfatter mer enn 150 journalpublikasjoner, bokkapitler og konferansesagspublikasjoner i disse områdene. Han tjener på redaksjonen i flere vitenskapelige tidsskrifter, han har foredragt 20 bøker og har betjent den tekniske programkomiteen på en rekke internasjonale konferanser. Panos Liatsis uteksaminert med et Diploma i ingeniørfag i elektroteknikk fra Demokratos Universitet i Thrace, Hellas og en Ph. D. i datasyn og neurale nettverk fra Control Systems Center ved UMIST. I april 1994 ble han utnevnt til en foreleser i Control Systems Center ved UMIST, mens han jobbet med ulike industripartnere, inkludert British Aerospace, Lucas Industries og TRW Automotive. I november 2003 flyttet han til Engineering School of Mathematical Sciences ved City University, hvor han for tiden er seniorleder og leder av Informasjons - og biomedisinske senter (IBEC). Han er medlem av EPSRC Peer Review College, IEEE og en europeisk ingeniør (Eur Ing). Han er medlem av ulike internasjonale konferanseprogramkomiteer, inkludert den internasjonale konferansen om videobehandling av multimediekommunikasjon, EURASIP-konferanse om videoforsterkning av bildebehandling og den internasjonale workshopen om systemer, signaler og bildebehandling. Hans hovedforskningsinteresser er nevrale nettverk, genetiske algoritmer, datasyn og mønstergenkjenning. Han har publisert over 80 vitenskapelige artikler i internasjonale tidsskrifter og konferanser og redigerte to internasjonale konferansesaker. Tilsvarende forfatter. Tlf. 30 697 270 2218 Faks: 30 210 772 3504. Opphavsrett 2008 Elsevier Ltd. Alle rettigheter reservert. Siterer artikler () Elektrisitetsbehov laster modellering ved hjelp av AutoRegressive Moving Average (ARMA) - modeller Denne studien omhandler problemet med modellering av strømforbruket i Hellas. De oppgitte faktiske belastningsdataene er desesasonilized og en AutoRegressive Moving Average (ARMA) - modell er montert på data off-line, ved hjelp av Akac-korrigert informasjonskriterium (AICC). Den utviklede modellen passer på dataene på en vellykket måte. Vanskeligheter oppstår når de angitte dataene inneholder støy eller feil, og også når en on-lineadaptiv modellering er nødvendig. I begge tilfeller og under antagelsen om at de angitte dataene kan representeres av en ARMA-modell, utføres samtidig ordre - og parameterestimering av ARMA-modeller under nærvær av støy. De produserte resultatene indikerer at den foreslåtte metoden, som er basert på flermodell-partisjoneringsteori, takler vellykket det studerte problemet. For valideringsformål sammenlignes de produserte resultatene med tre andre etablerte ordrevalgskriterier, nemlig AICC, Akaikes Information Criterion (AIC) og Schwarz Bayesian Information Criterion (BIC). Den utviklede modellen kan være nyttig i studiene som omhandler strømforbruket og strømprisprognosene. Hvis du opplever problemer med å laste ned en fil, må du kontrollere om du har det riktige programmet for å se det først. I tilfelle av flere problemer, les IDEAS hjelpesiden. Merk at disse filene ikke er på IDEAS-siden. Vær tålmodig da filene kan være store. Siden tilgangen til dette dokumentet er begrenset, kan det være lurt å se etter en annen versjon under Beslektet forskning (lenger nedenfor) eller søke etter en annen versjon av den. Artikkel gitt av Elsevier i sin journal Energy. Når du ber om en korreksjon, vær oppmerksom på at disse elementene håndterer: RePEc: eee: energi: v: 33: y: 2008: i: 9: p: 1353-1360. Se generell informasjon om hvordan du retter materiale i RePEc. For tekniske spørsmål angående dette elementet, eller for å rette opp forfatterens, tittel, abstrakt, bibliografisk eller nedlastingsinformasjon, kontakt: (Shamier, Wendy) Hvis du har skrevet dette produktet og ennå ikke er registrert hos RePEc, oppfordrer vi deg til å gjøre det her . Dette gjør det mulig å koble profilen din til dette elementet. Det tillater deg også å akseptere potensielle sitater til dette elementet som vi er usikre på. Hvis referanser mangler helt, kan du legge til dem ved hjelp av dette skjemaet. Hvis de fulle referansene viser et element som er til stede i RePEc, men systemet ikke lenker til det, kan du hjelpe med dette skjemaet. Hvis du vet om manglende elementer som citerer denne, kan du hjelpe oss med å opprette disse linkene ved å legge til de relevante referansene på samme måte som ovenfor, for hvert referanseelement. Hvis du er en registrert forfatter av dette elementet, kan du også sjekke tittelfanen i profilen din, da det kan være noen henvisninger som venter på bekreftelse. Vær oppmerksom på at rettelser kan ta noen uker å filtrere gjennom de ulike RePEc-tjenestene. Flere tjenester Følg serier, tidsskrifter, forfattere mer Ny nyhetsbrev via e-post Abonner på nye tilføyelser til RePEc Forfatterregistrering Offentlige profiler for økonomiforskere Forskjellige forskningsrangeringer i økonomi-relaterte felt Hvem var student av hvem ved hjelp av RePEc RePEc Biblio Curated articles amp papirer på ulike økonomi-emner Last opp papiret ditt for å bli oppført på RePEc og IDEAS EconAcademics Bloggaggregat for økonomiforskning Plagiering Sager av plagiering i økonomi Arbeidsmarkedspapirer RePEc arbeidspapirserier dedikert til arbeidsmarkedet Fantasy League Låt deg være i roret av en økonomi avdelingstjenester fra StL Fed Data, forskning, applikasjoner mer fra St. Louis FedModeling strømbelastninger i California: ARMA-modeller med hyperbolisk støy I dette papiret behandler vi spørsmålet om modellering og prognosering av strømbelastninger. Vi bruker en to-trinns prosedyre til en rekke system-wide belastninger fra California Power Market. Først fjerner vi ukentlige og årlige sesonger. Etter at vi har analysert egenskapene til deseasonaliserte data, passer vi til en autoregressiv glidende gjennomsnittsmodell. De oppnådde residuene synes å være uavhengige, men med svinger tyngre enn Gauss. Det viser seg at den hyperbolske fordelingen gir en utmerket passform. Som en begrunnelse for vår tilnærming leverer vi prognoser som ikke er for eksempel. Som det viser seg, utfører vår metode betydelig bedre enn den som brukes av California System Operator. Hvis du opplever problemer med å laste ned en fil, må du kontrollere om du har det riktige programmet for å se det først. I tilfelle av flere problemer, les IDEAS hjelpesiden. Merk at disse filene ikke er på IDEAS-siden. Vær tålmodig da filene kan være store. Papir levert av Hugo Steinhaus Center, Wroclaw University of Technology i sin serie HSC Research Reports med nummer HSC0202. Finn relaterte artikler ved JEL-klassifisering: C16 - Matematiske og kvantitative metoder - - Økonometriske og statistiske metoder og metodikk: Generelt - - - Økonometriske og statistiske metoder Spesifikke fordeling C52 - Matematiske og kvantitative metoder - - Økonometrisk modellering - - - Modellevaluering, validering, og utvalg C53 - Matematiske og kvantitative metoder - - Økonometrisk modellering - - - Prognosemodeller og simuleringsmodeller Simuleringsmetoder Q40 - Landbruks - og naturressursøkonomi Miljø og økologisk økonomi - - Energi - - - Generelle referanser oppført på IDEAS Vennligst rapporter referanse eller referansefeil til . eller. Hvis du er registrert forfatter av det oppgitte arbeidet, logg deg på RePEc Author Service-profilen. klikk på sitater og foreta passende justeringer. Rafal Weron, 2000. Energiprisrisikostyring, HSC-forskningsrapporter HSC0002, Hugo Steinhaus-senteret, Wroclaw University of Technology. Titre du document Dokumenttittel Elektrisitetsbehov laster modellering ved hjelp av AutoRegressive Moving Average (ARMA) - modeller Forfatter (e) Forfatter (e) Tilknytning (e) Avdeling for informasjons - og kommunikasjonssystemer, Egeiske universitet, Karlovassi, 83 200 Samos, GRECE (2) Institutt for elektroteknologi Opplærere, ASPETE-Skole av pedagogisk og teknologisk utdanning, N. Heraklion, 141 21 Athens, GRECE (3) Teknologisk utdanningsinstitutt for Kalamata, Antikalamos, 24100 Kalamata, GRECE (4) Avdeling for teknologiutdanning amp Digital Systems, University of Piraeus, 150 Androutsou Srt, 18 532 Piraeus, GRECE (5) Divisjon Elektrisk Elektronikk Og Informasjonsteknologi, Ingeniørfag og Matematisk Vitenskap, Informasjons - og Biomedisinsk Engineering Center, City University, Northampton Square, London EC1V 0HB, ROYAUME-UNI Rsum Abstract Denne studien omhandler problemet med modellering av strømforbruket i Hellas. De oppgitte faktiske belastningsdataene er desesasonilized og en AutoRegressive Moving Average (ARMA) - modell er montert på dataene offline, ved hjelp av Akac-korrigert informasjonskriterium (AICC). Den utviklede modellen passer på dataene på en vellykket måte. Vanskeligheter oppstår når de angitte dataene inneholder støy eller feil, og også når en on-lineadaptiv modellering er nødvendig. I begge tilfeller og under antakelsen om at de angitte dataene kan representeres av en ARMA-modell, utføres samtidig ordre - og parameterestimering av ARMA-modeller under nærvær av støy. De produserte resultatene indikerer at den foreslåtte metoden, som er basert på flermodell-partisjoneringsteori, takler vellykket det studerte problemet. For valideringsformål sammenlignes de produserte resultatene med tre andre etablerte ordrevalgskriterier, nemlig AICC, Akaikes Information Criterion (AIC) og Schwarz Bayesian Information Criterion (BIC). Den utviklede modellen kan være nyttig i studiene som omhandler strømforbruket og strømprisprognosene. Revue Journal Tittel Kilde Kilde 2008, vol. 33, nr 9, pp. 1353-1360 8 side (r) (artikkel) (37 ref.) Langue Language Editeur Utgiver Elsevier, Kidlington, ROYAUME-UNI (1976) (Revue) Mots-cls Anglais Engelsk Nøkkelord