Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: ANN-Based Forecasting of Hydropower Reservoir Inflow

Publikācijas veids Publikācijas konferenču materiālos, kas ir indeksēti Web of Science un/vai SCOPUS
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā ANN-Based Forecasting of Hydropower Reservoir Inflow
Pētniecības nozare 2. Inženierzinātnes un tehnoloģijas
Pētniecības apakšnozare 2.2. Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Autori Antans Sauļus Sauhats
Romāns Petričenko
Zane Broka
Kārlis Baltputnis
Dmitrijs Soboļevskis
Atslēgas vārdi ANN; forecasting; hydropower; reservoir inflow
Anotācija Reservoir inflow forecasting with artificial neural networks is presented in this paper. Different types of ANN input data were considered such as temperature, precipitation and historical water inflow. Performance of the hourly inflow forecasts was assessed based on a case study of a specific hydropower reservoir in Latvia. The results showed that all the approaches had similar prediction errors implying that for optimal hydropower scheduling uncertainties need to be modelled which is also proposed in this study through generation of several forecast realisations in addition to point predictions.
DOI: 10.1109/RTUCON.2016.7763129
Hipersaite: http://ieeexplore.ieee.org/document/7763129/ 
Atsauce Sauhats, A., Petričenko, R., Broka, Z., Baltputnis, K., Soboļevskis, D. ANN-Based Forecasting of Hydropower Reservoir Inflow. No: 2016 57th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON 2016): Proceedings, Latvija, Riga, 13.-14. oktobris, 2016. Piscataway, NJ: IEEE, 2016, 267.-272.lpp. ISBN 978-1-5090-3732-2. e-ISBN 978-1-5090-3731-5. Pieejams: doi:10.1109/RTUCON.2016.7763129
Pilnais teksts Pilnais teksts
Publikācijas versija
Licence
Papildinformācija Citējamību skaits:
ID 22986