Zusammenfassung
In den letzten 5 Jahren wurden verstärkt Mittel und Methoden der KI zur Prognose des Elektroenergieverbrauches im kurzfristigen Zeitbereich bis 168 Stunden vorgeschlagen, so auf Produktionsregeln basierende Expertensysteme (XPS) [7], neuronale Netze (NN) [2], [3] sowie Fuzzy-XPS und Neuro-Fuzzy-XPS [6]. Die symbolverarbeitenden XPS scheinen durch ihre Art der Abbildung der Expertenregeln (Trendaussagen) und deren Abarbeitung besonders geeignet für die Erstellung leistungsfähiger Prognosemodelle zu sein. Zur Gewinnung von Vorhersagewerten (und nicht nur Trendaussagen) sind jedoch verschiedene Berechnungen notwendig, so daß ein hoher prozeduraler Anteil am XPS besteht. Dabei stellt die Parametrierung dieser Prozeduren ein erhebliches Problem der Wissensgewinnung dar.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
Brahim, K.: „Neuro-Fuzzy Inferenz-Systeme“, 3. Dortmunder Fuzzy-Tage, Universität Dortmund, Juni 1993
Dillon, T. S., Sestio, S., Leung, S.: „Short term load forecasting using an adaptive neural network“, Electrical Power & Energy Systems Vol. 13, No. 4, August 1991
Heine, S.: „Kombination von Unsupervised and Supervised Learning zur Lastprognose“, Workshop Simulation Neuronaler Netze mit SNNS, Universität Stuttgart, September 1992
Heine, S., Neumann, I: „Data Analysis by Means of Kohonen Feature Maps For Load Forecast in Power Systems“, IEE Colloquium on Advances in neural networks for control and systems, Berlin, Mai 1994
Jang, J.-S. Roger, „ANFIS: Adaptive-network-based fuzzy inference systems“; IEEE Trans. on Systems, Man and Cybernetics, 1992
Kim, K.-H., Park, D.-Y., Park, J.-K.: „A Hybrid Model of Artificial Neural Network and Fuzzy Expert System for Short-Term Load Forecast“, Proceeding of the ESAP (Expert System Application to Power System), S. 164–168, Melbourne, Januar 1993
Rahman, S.: „Formulation and Analysis of a Rule-Based Short-Term Load Forecasting Algorithm“, Proceedings of the IEEE, Vol. 78, No. 5, S. 805–816, Mai 1990
Zell, A., Mache, N., Hübner, R., Schmalzl, M., Sommer, T., Marnier, G., Vogt, M.: „SNNS User Manual 3.0“, Universität Stuttgart, August 1992
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1994 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Schreiber, H., Heine, S. (1994). Einsatz von Neuro-Fuzzy-Technologien für die Prognose des Elektroenergieverbrauches an „besonderen“ Tagen. In: Reusch, B. (eds) Fuzzy Logik. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-79386-8_37
Download citation
DOI: https://doi.org/10.1007/978-3-642-79386-8_37
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-58649-4
Online ISBN: 978-3-642-79386-8
eBook Packages: Springer Book Archive