Systemy uczące się oparte na podobieństwie obrazów do prognozowania szeregów czasowych obciążeń elektroenergetycznych

W monografii przedstawiono modele prognostyczne wykorzystujące metody uczenia maszynowego, rozpoznawania obrazów i inteligencji obliczeniowej do sporządzania krótkoterminowych prognoz obciążeń systemów elektroenergetycznych. Wspólną cechą tych modeli jest uczenie się na podstawie danych i wykorzystanie podobieństw obrazów cykli sezonowych szeregów czasowych obciążeń. Szeregi te są niestacjonarne, heteroskedastyczne, wykazują trend, wiele cykli wahań sezonowych oraz zakłócenia losowe. Nowe podejście oparte na podobieństwie obrazów i lokalnej regresji nieparametrycznej upraszcza problem prognostyczny i umożliwia konstrukcję efektywnych modeli prognostycznych. Modele to opierają się następującym założeniu: jeżeli obrazy cykli sezonowych szeregu czasowego są do siebie podobne (obrazy wejściowe), to obrazy cykli następujących po nich (obrazy prognoz) również są do siebie podobne. Założenie to pozwala budować modele prognostyczne wykorzystujące analogie pomiędzy powtarzającymi się fragmentami szeregu czasowego z wahaniami sezonowymi.

Informacja dotycząca wprowadzenia produktu do obrotu:
Ten produkt został wprowadzony na rynek przed 13 grudnia 2024 r. zgodnie z obowiązującymi wówczas przepisami (Dyrektywą o ogólnym bezpieczeństwie produktów). W związku z tym może on być nadal sprzedawany bez konieczności dostosowania do nowych wymogów wynikających z Rozporządzenia o Ogólnym Bezpieczeństwie Produktów (GPSR). Produkt zachowuje pełną legalność w obrocie, a jego jakość i bezpieczeństwo pozostają zgodne z obowiązującymi wcześniej standardami.

Information regarding product placement on the market:
This product was placed on the market before December 13, 2024, in accordance with the applicable regulations at the time (the General Product Safety Directive). As a result, it can continue to be sold without needing to meet the new requirements introduced by the General Product Safety Regulation (GPSR). The product remains fully compliant with all previously valid legal standards, ensuring its continued quality and safety.