| Autor: Tomasz Jasiński, Agnieszka Ścianowska | 65 |
Strony: 65-77
pełen tekst
STRESZCZENIE
W artykule przedstawiono możliwości przewidywania zapotrzebowania na energię elektryczna oraz jej cen na rynku hurtowym przy wykorzystaniu narzędzi z dziedziny sztucznej inteligencji, a także opisano możliwości minimalizacji ekstremów popytowych i cenowych poprzez wprowadzenie inteligentnych liczników w obszarze detalicznego rynku energii. W badaniach wykorzystano m.in. sztuczne sieci neuronowe wspomagane innymi technikami przekształcania danych, jak np. klasyczna analiza techniczna oraz dyskretna transformata falkową.
Słowa kluczowe: rynek energii, przewidywanie, ceny, sztuczne sieci neuronowe
TIME SERIES ON THE ENERGY MARKET
Abstract
The paper presents the possibility of predicting the demand for electric energy and its price in the wholesale market using tools of artificial intelligence, and describes the possibilities to minimize the peaks of demand and pricing through the introduction of smart grid in the retail energy market. In the studies have been used artificial neural network supported by other techniques of data transforming, such as the classic technical analysis and discrete wavelet transform.
Keywords: energy market, forecasting, prices, artificial neural networks
pełen tekstSTRESZCZENIE
W artykule przedstawiono możliwości przewidywania zapotrzebowania na energię elektryczna oraz jej cen na rynku hurtowym przy wykorzystaniu narzędzi z dziedziny sztucznej inteligencji, a także opisano możliwości minimalizacji ekstremów popytowych i cenowych poprzez wprowadzenie inteligentnych liczników w obszarze detalicznego rynku energii. W badaniach wykorzystano m.in. sztuczne sieci neuronowe wspomagane innymi technikami przekształcania danych, jak np. klasyczna analiza techniczna oraz dyskretna transformata falkową.
Słowa kluczowe: rynek energii, przewidywanie, ceny, sztuczne sieci neuronowe
TIME SERIES ON THE ENERGY MARKET
Abstract
The paper presents the possibility of predicting the demand for electric energy and its price in the wholesale market using tools of artificial intelligence, and describes the possibilities to minimize the peaks of demand and pricing through the introduction of smart grid in the retail energy market. In the studies have been used artificial neural network supported by other techniques of data transforming, such as the classic technical analysis and discrete wavelet transform.
Keywords: energy market, forecasting, prices, artificial neural networks
