Флексибилност електроенергетског система / Зборник CIGRE (2023). (стр 1038-1061)
АУТОР(И) / AUTHOR(S): Stanko Vujnović, Danilo Komatina
Е-АДРЕСА / E-MAIL: stanko.vujnovic@go2power.eu
Download Full Pdf 
DOI: 10.46793/CIGRE36.1038V
САЖЕТАК / ABSTRACT:
Mašinsko učenje je vrsta veštačke inteligencije koja upotrebljava specijalizovane računarske algoritme za kreiranje modela zasnovanog na uzorcima ulaznih podataka. Kad se ovaj model uspešno istrenira, on može da se koristi za predviđanje neke veličine ili donošenje odluka bez da je eksplicitno programiran za tu svrhu.
U ovom radu, mašinsko učenje je upotrebljeno za prognozu cena na tržištu električne energije u Zapadnoj Australiji, gde se kao ulazni podaci koriste samo javno dostupni podaci sa interneta. Ceo postupak je odrađen u PLEXOS-u koji počev od verzije 9.1 podržava mašinsko učenje. Pre svega se analiziraju dostupni podaci koji mogu biti od uticaja za prognoziranje željene veličine, a kada se ulazni podaci usvoje, potrebno je iste prilagoditi za upotrebu i kreirati bazu modela u PLEXOS-u. Zatim se vrši tzv. „treniranje“ modela mašinskog učenja sa usvojenim uzorcima ostvarenih podataka, i nakon uspešnog treniranja, model je spreman za prognozu izabrane veličine. Kao ulazni podaci za prognozu uzeti su takođe već ostvareni podaci, kako bi rezultati zavisili samo od kvaliteta modela mašinskog učenja bez uticaja grešaka prognoziranja. U radu će biti prikazan postupak izbora optimalnih ulaznih podataka te promene u preciznosti modela prilikom promene seta parametara korišćenih za treniranje modela.
КЉУЧНЕ РЕЧИ / KEYWORDS:
Veštačka inteligencija, Mašinsko učenje, PLEXOS, Prognoza, Cena električne energije
ЛИТЕРАТУРА / REFERENCES: