1. Αρχική σελίδα
  2. Αναζήτηση

Short term load forecasting in greek intercontinental power system using ANNs

Το τεκμήριο παρέχεται από τον φορέα :
ΤΕΙ Αθήνας   

Αποθετήριο :
Υπατία - Ιδρυματικό Αποθετήριο   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Short term load forecasting in greek intercontinental power system using ANNs (EN)
Κονταργύρη, Βασιλική (EL)
Τσεκούρας, Γιώργος (EL)
Τσιρέκης, Κωνσταντίνος (EL)
Κανέλλος, Φ. (EL)
Καρανάσιου, Χριστίνα (EL)
Σαλής, Α. (EL)
Μαστοράκης, Ν. (EL)
Ηλίας, Χρήστος (EL)
Κονταξής, Παναγιώτης (EL)
conferenceItem
poster
2015-05-25
2015-05-25T17:55:42Z
2009-03-23
10th WSEAS International Conference on Neural Networks (EN)
The scopus of this paper is to compare the performance of different structures of Artificial Neural Networks (ANNs) regarding the input variables used for short-term forecasting of the next day load in intercontinental Greek power system. The input variables can be: (a) historical loads, (b) weather related temperatures, (c) hour and day indicators, in two ways: (i) selfsame, (ii) compressed using the Principal Components Analysis (PCA). The training algorithm is the scaled conjugate gradient algorithm, for which a calibration process is conducted regarding the crucial parameters values, such as the number of neurons, the kind of activation functions, etc. The performance of each structure is evaluated by the Mean Absolute Percentage Error (MAPE) between the experimental and estimated values of the hourly load demand of the next day for the evaluation set in order to specify the optimal ANN. Finally the load demand for the next day of the test set (with the historical data of the current year) is estimated using the best ANN structure, so that the verification of behaviour of ANN load prediction techniques was demonstrated. (EN)
**N/A**-Τεχνολογία
Input variables
Artificial neural networks
Μεταβλητές εισόδου
http://id.loc.gov/authorities/names/n42028321
**N/A**-Ενέργεια
Τεχνολογία
Ενέργεια
Energy
Technology
Τεχνητά δίκτυα νεύρων
Short-term load forecasting
Βραχυπρόθεσμη πρόβλεψη φορτίου
http://id.loc.gov/authorities/subjects/sh85133147
http://www.wseas.org
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ηνωμένες Πολιτείες
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
campus
ΤΕΙ Αθήνας
Υπατία - Ιδρυματικό Αποθετήριο
Δημοσιεύσεις



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.