El Demand Laster Modellering Användande Autoregressiva Glidande Medelvärde Arma Modeller

Elektricitetsbehovet laddar modellering med hjälp 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 Institutionen för informations - och kommunikationssystemteknik, Egeiska universitetet, Karlovassi, 83 200 Samos, Grekland b Institutionen för elteknik Utbildare, ASPETESchool of Pedagogical and Technological Education, N. Heraklion, 141 21 Aten, Grekland c Teknologisk utbildningsinstitut i Kalamata, Antikalamos, 24100 Kalamata, Grekland d Institutionen för Teknik Utbildning Amp Digital Systems, Universitetet i Piraeus, 150 Androutsou Srt. 18 532 Piraeus, Grekland e Division of Electrical Electronic and Information Engineering, Institutionen för teknik och matematiska vetenskaper, informations - och biomedicinsk teknik, City University, Northampton Square, London EC1V 0HB, Storbritannien Mottaget 10 mars 2008. Tillgänglig online den 2 juli 2008. Studien behandlar problemet med modellering av elförbrukningsbelastningen i Grekland. Den angivna faktiska belastningsdata är deseasonilized och en AutoRegressive Moving Average (ARMA) - modell är monterad på data offline, med Akac-korrigerade informationskriterium (AICC). Den utvecklade modellen passar data på ett framgångsrikt sätt. Svårigheter uppstår när den tillhandahållna dataen innehåller ljud eller fel och även när en on-line adaptiv modellering krävs. I båda fallen och under antagandet att den tillhandahållna data kan representeras av en ARMA-modell, utförs samtidig ordning och parameteruppskattning av ARMA-modeller under närvaro av brus. De framkomna resultaten indikerar att den föreslagna metoden, som är baserad på multi-model partitioneringsteori, tacklar framgångsrikt det studerade problemet. För valideringsändamål jämförs de producerade resultaten med tre andra etablerade ordervalskriterier, nämligen AICC, Akaikes Information Criterion (AIC) och Schwarzs Bayesian Information Criterion (BIC). Den utvecklade modellen kan vara användbar i de studier som gäller prognoser för elförbrukning och elpriser. Adaptiv flermodellfiltrering Elkraftsbelastning ARMA Orderval Parameteruppskattning 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 föddes i Aten, Grekland den 22 juni 1974. Han fick en kandidatexamen i elektroteknik och elektronik 1997 och en civilingenjör i avancerad kontroll 1998 från University of Manchester Institute of Science and Technology ( UMIST) i Storbritannien. År 2008 tog han examen med en doktorsexamen. Från Institutionen för informations - och kommunikationssystemteknik, Egeiska universitetet, Karlovassi i Samos i Grekland. Hans forskningsintresse ligger inom området för partitioneringsteori, deras tillämpningar, evolutionära algoritmer och styrdesigntekniker. Lambros Ekonomou föddes den 9 januari 1976 i Aten, Grekland. Han fick en kandidatexamen i elektroteknik och elektronik 1997 och en civilingenjör i avancerad kontroll 1998 från University of Manchester Institute of Science and Technology (U. M.I. S.T.) i Storbritannien. År 2006 tog han examen med en doktorsexamen. I högspänningsteknik från National Technical University of Athens (N. T.U. A.) i Grekland. Han har arbetat med olika företag, inklusive Hellenic Public Power Corporation S. A. och Hellenic Aerospace Industry S. A. medan han år 2008 utsågs till biträdande professor i ASPETE. Hans forskningsintressen gäller högspänningsingenjörs-, överförings - och distributionslinjer, blixtprestanda och skydd, stabilitetsanalys, kontrolldesign, pålitlighet, elektriska enheter och artificiella neurala nätverk. Dimitrios Ch. Karamousantas föddes i Kalapodi, Grekland, den 1 augusti 1957. Han tog examensbeviset i teknik och doktorsexamen. Grader i maskinteknik från institutet Polytechnic CLUJ-NAPOCA, Rumänien, respektive 1984 och 1988. För närvarande är han docent i Teknologiska utbildningsinstitutet i Kalamata, Grekland. George E. Chatzarakis föddes i Serres, Grekland, den 20 maj 1961. Han tog emot Dipl. Eng. Och doktorand Grader i elektroteknik från National Technical University of Athens (NTUA) 1986 respektive 1990. För närvarande är han professor i skolan för pedagogisk och teknisk utbildning (ASPETE) i Aten, Grekland. Sokratis K. Katsikas föddes i Aten, Grekland, 1960. Han tog examen i elektroteknik från University of Patras, Patras, Grekland 1982, civilingenjörsexamen i elektroteknik , Amherst, USA, 1984 och Ph. D. I datateknik informatik från Patras universitet, Patras, Grekland 1987. År 1990 gick han till Egeiska universitetet, Grekland, där han tjänstgjorde som professor vid institutionen för informationshögskolan kommunikationsteknik och som rektor. År 2007 började han som professor i Institutionen för teknikutbildning och digitala system vid universitetet i Piraeus. Hans forskningsintressen ligger inom områdena informations - och kommunikationssystem säkerhet och beräkningsteori och dess tillämpningar. Han har författat eller medförfattat mer än 150 tidskriftspublikationer, bokkapitel och konferenshandlingar i dessa områden. Han tjänar på redaktionen i flera vetenskapliga tidskrifter, han har författat 20 böcker och har tjänstgjort på den tekniska programutskottet av många internationella konferenser. Panos Liatsis utexaminerades med ett examensbevis inom ingenjörsingenjör från Demokratos universitet i Thrakien, Grekland och en doktorsexamen. I datorsyn och neurala nätverk från Control Systems Center vid UMIST. I april 1994 utsågs han till docent i Control Systems Center vid UMIST, medan han arbetade med olika industriella partners, inklusive British Aerospace, Lucas Industries och TRW Automotive. I november 2003 flyttade han till Institutionen för ingenjörsvetenskaplig matematik vid Staduniversitetet, där han för närvarande är docent och chef för informations - och biomedicinsk teknikcentrum (IBEC). Han är medlem i EPSRC Peer Review College, IEEE och en europeisk ingenjör (Eur Ing). Han är medlem i olika internationella konferensprogramskommittéer, inklusive den internationella konferensen om videobehandling av multimediakommunikation, EURASIP-konferensen om videoförstärkare och den internationella workshopen om system, signaler och bildbehandling. Hans huvudsakliga forskningsintressen är neurala nätverk, genetiska algoritmer, datorsyn och mönsterigenkänning. Han har publicerat över 80 vetenskapliga artiklar i internationella tidskrifter och konferenser och redigerat två internationella konferenshandlingar. Motsvarande författare. Tel. 30 697 270 2218 Fax: 30 210 772 3504. Upphovsrätt 2008 Elsevier Ltd. Alla rättigheter förbehållna. Citerande artiklar () Elektricitetsbehovet laddar modellering med hjälp av AutoRegressive Moving Average (ARMA) - modeller Denna studie behandlar problemet med modellering av elförbrukningsbelastningen i Grekland. Den angivna faktiska belastningsdata är deseasonilized och en AutoRegressive Moving Average (ARMA) - modell är monterad på data offline, med Akac-korrigerade informationskriterium (AICC). Den utvecklade modellen passar data på ett framgångsrikt sätt. Svårigheter uppstår när den tillhandahållna dataen innehåller ljud eller fel och även när en on-line adaptiv modellering krävs. I båda fallen och under antagandet att den tillhandahållna data kan representeras av en ARMA-modell, utförs samtidig ordning och parameteruppskattning av ARMA-modeller under närvaro av brus. De framkomna resultaten indikerar att den föreslagna metoden, som är baserad på multi-model partitioneringsteori, tacklar framgångsrikt det studerade problemet. För valideringsändamål jämförs de producerade resultaten med tre andra etablerade ordervalskriterier, nämligen AICC, Akaikes Information Criterion (AIC) och Schwarzs Bayesian Information Criterion (BIC). Den utvecklade modellen kan vara användbar i de studier som gäller prognoser för elförbrukning och elpriser. Om du har problem med att hämta en fil, kontrollera om du har rätt program för att se den först. Vid ytterligare problem läs IDEAS hjälp sida. Observera att dessa filer inte finns på IDEAS-webbplatsen. Var tålmodig eftersom filerna kan vara stora. Eftersom tillgången till detta dokument är begränsad kanske du vill leta efter en annan version under Relaterad forskning (nedan) eller söka efter en annan version av den. Artikel tillhandahållen av Elsevier i sin tidskrift Energy. När du begär en korrigering, var vänlig och nämna dessa saker hantera: RePEc: eee: energi: v: 33: y: 2008: i: 9: p: 1353-1360. Se allmän information om hur du korrigerar material i RePEc. För tekniska frågor angående detta föremål, eller för att rätta till dess upphovsmän, titel, abstrakta, bibliografiska eller nedladdningsinformation, kontakta: (Shamier, Wendy) Om du har skapat det här föremålet och inte är registrerat hos RePEc uppmuntrar vi dig att göra det här . Det här låter dig länka din profil till det här objektet. Det tillåter dig också att acceptera potentiella citat till det här objektet som vi är osäkra på. Om referenser saknas helt kan du lägga till dem med hjälp av det här formuläret. Om de fullständiga referenserna listar ett objekt som är närvarande i RePEc, men systemet inte länkar till det, kan du hjälpa till med det här formuläret. Om du känner till saknade objekt som citerar den här kan du hjälpa oss att skapa dessa länkar genom att lägga till relevanta referenser på samma sätt som ovan för varje refererande artikel. Om du är en registrerad författare till det här objektet kan du också kolla citatfliken i din profil, eftersom det kan finnas några citat som väntar på bekräftelse. Observera att korrigeringar kan ta några veckor för att filtrera genom de olika RePEc-tjänsterna. Fler tjänster Följ serier, tidskrifter, författare mer Nya nyhetsbrev via e-post Prenumerera på nya tillägg till RePEc Författarregistrering Offentliga profiler för ekonomiforskare Olika forskningsbetyg inom ekonomi, närliggande områden Vem var en elev av som använder RePEc RePEc Biblio Curated articles amp Papper på olika ekonomi ämnen Ladda upp ditt papper för att vara listat på RePEc och IDEAS EconAcademics Bloggaggregat för ekonomisk forskning Plagiat Fall av plagiering i ekonomi Arbetsmarknadspapper RePEc arbetspapperserier dedikerade till arbetsmarknaden Fantasy League Låt dig vara i rike av en ekonomi Avdelningen Tjänster från StL Fed Data, forskning, applikationer mer från St Louis FedModeling elbelastningar i Kalifornien: ARMA-modeller med hyperboliskt ljud I det här dokumentet behandlar vi frågan om modellering och prognoser för elbelastningar. Vi tillämpar ett tvåstegsförfarande för en rad systemövergripande laster från California Power Market. Först avlägsnar vi de veckovisa och årliga säsongsvarorna. Sedan, efter att ha analyserat egenskaper hos deseasonalized data, passar vi en autogegrativ rörlig genomsnittsmodell. De erhållna resterna verkar vara oberoende men med svans tyngre än Gaussian. Det visar sig att den hyperboliska fördelningen ger en utmärkt passform. Som en motivering för vårt tillvägagångssätt tillhandahåller vi prognoser för prognoser. Som det visar sig fungerar vår metod avsevärt bättre än den som används av California System Operator. Om du har problem med att hämta en fil, kontrollera om du har rätt program för att se den först. Vid ytterligare problem läs IDEAS hjälp sida. Observera att dessa filer inte finns på IDEAS-webbplatsen. Var tålmodig eftersom filerna kan vara stora. Papper från Hugo Steinhaus Center, Wroclaw University of Technology i sin serie HSC Research Reports med nummer HSC0202. Hitta relaterade papper enligt JEL-klassificering: C16 - Matematiska och kvantitativa metoder - - Ekonometriska och statistiska metoder och metodik: Allmänt - - - Ekonometriska och statistiska metoder Specifika fördelningar C52 - Matematiska och kvantitativa metoder - - Ekonometrisk modellering - - - Modellutvärdering, validering, Och urval C53 - Matematiska och kvantitativa metoder - - Ekonometrisk modellering - - - Prognosmodeller Simuleringsmetoder Q40 - Jordbruks - och naturresursekonomi Miljö och ekologisk ekonomi - - Energi - - - Allmänna referenser listade på IDEAS Var god rapportera citations - eller referensfel till . eller. Om du är registrerad författare av det citerade arbetet, logga in på din RePEc Author Service-profil. Klicka på citat och gör lämpliga justeringar. Rafal Weron, 2000. Energiprisriskhantering, HSC: s forskningsrapporter HSC0002, Hugo Steinhaus-centret, Wroclaw tekniska högskola. Titre du document Dokumenttitel Elektricitetsbehovet laddar modellering med hjälp av AutoRegressive Moving Average (ARMA) - modeller Författare (ar) Författare Institutionen för informations - och kommunikationssystemsteknik, Egeiska universitetet, Karlovassi, 83 200 Samos, GRECE (2) Institutionen för elteknik Utbildare, ASPETE-Skolan Av pedagogisk och teknisk utbildning, N. Heraklion, 141 21 Athens, GRECE (3) Teknologiska utbildningsinstitutet Kalamata, Antikalamos, 24100 Kalamata, GRECE (4) Institutionen för teknikutbildning amp Digital Systems, Piraeus universitet, 150 Androutsou Srt, 18 532 Piraeus, GRECE (5) Avdelningen för elektrisk elektronisk och informationsteknik, Institutionen för teknik och matematiska vetenskaper, informations - och biomedicinsk teknikcentrum, City University, Northampton Square, London EC1V 0HB, ROYAUME-UNI Rsum Abstract Denna studie behandlar problemet med modellering av elförbrukningsbelastningen i Grekland. Den angivna faktiska belastningsdata är deseasonilized och en AutoRegressive Moving Average (ARMA) - modell är monterad på data offline, med Akac-korrigerade informationskriterium (AICC). Den utvecklade modellen passar data på ett framgångsrikt sätt. Svårigheter uppstår när den tillhandahållna dataen innehåller ljud eller fel och även när en on-line adaptiv modellering krävs. I båda fallen och under antagandet att den tillhandahållna data kan representeras av en ARMA-modell, utförs samtidig ordning och parameteruppskattning av ARMA-modeller under närvaro av brus. De framkomna resultaten indikerar att den föreslagna metoden, som är baserad på multi-model partitioneringsteori, tacklar framgångsrikt det studerade problemet. För valideringsändamål jämförs de producerade resultaten med tre andra etablerade ordervalskriterier, nämligen AICC, Akaikes Information Criterion (AIC) och Schwarzs Bayesian Information Criterion (BIC). Den utvecklade modellen kan vara användbar i de studier som gäller prognoser för elförbrukning och elpriser. Revue Journal Titel Source Source 2008, vol. 33, nr 9, sid. 1353-1360 8 sidor (artikeln) (37 ref.) Langue Language Editeur Förlag Elsevier, Kidlington, ROYAUME-UNI (1976) (Revue) Mots-cls Anglais Engelska Nyckelord