Have a personal or library account? Click to login

Comparative Analysis of Methods for Hourly Electricity Demand Forecasting in the Absence of Data – A Case Study

By:
Open Access
|Mar 2023

References

  1. Dordonnat, V., Koopman, S.J., Ooms, M., Dessertaine, A. (2008). An Hourly Periodic State Space Model for Modeling French National Electricity Load. International Journal of Forecasting, 24: 588-587. DOI: https://doi.org/10.1016/j.ijforecast.2008.08.010.
  2. Engle, R. F., Granger, C. W. J., Rice, J., Weiss, A. (1986). Semiparametric Estimates of the Relation between Weather and Electricity. Journal of the American Statistical Association, 81: 310-320.
  3. Harvey, A.C., Koopman, S.J. (1993). Forecasting Hourly Electricity Demand Using Time-varying Splines. Journal of the American Statistical Association, 88: 1228-1237.
  4. Kufel, T. (2010). Ekonometryczna analiza cykliczności procesów gospodarczych o wysokiej częstotliwości obserwacji. Toruń: Wydawnictwo Naukowe.
  5. Lichota, A. (2006). Prognozowanie krótkoterminowe na lokalnym rynku energii elektrycznej [Rozprawa doktorska, Akademia Górniczo-Hutnicza w Krakowie]. Pobrane z: https://winntbg.bg.agh.edu.pl/rozprawy/9746/full.pdf (21.01.2023).
  6. Misiorek, A., Weron, R. (2004). Modelowanie sezonowości a prognozowanie zapotrzebowania na energię elektryczną. Energetyka, 12: 794-799. Pobrane z: http://prac.im.pwr.wroc.pl/~hugo/publ/MisiorekWeron04_Energetyka_szczotka.pdf (21.01.2023).
  7. Nowicka-Zagrajek, J., Weron, R. (2002). Modeling Electricity Loads in California: ARMA Models with Hyperbolic Noise. Signal Processing, 82: 1903-1915. DOI: https://doi.org/10.1016/S0165-1684(02)00318-3.
  8. Ramanathan, R., Engle, R., Granger, C. J. V., Vahid-Araghi, F., Brace, C. (1997). Short-run Forecast of Electricity Loads and Peaks. International Journal of Forecasting, 13: 161-174. DOI: https://doi.org/10.1016/S0169-2070(97)00015-0.
  9. Szmuksta–Zawadzka, M., Zawadzki, J. (2002). Hierarchiczne modele szeregów czasowych z wahaniami sezonowymi. Budowa. Estymacja. Prognozowanie. W: A. Zeliaś (red.), Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych (s. 193-204). Kraków: Wydawnictwo Akademii Ekonomicznej.
  10. Szmuksta-Zawadzka, M., Zawadzki, J. (2011). Modelowanie i prognozowanie zapotrzebowania na energię elektryczną w mikroskali. Prace Naukowe UE we Wrocławiu, 165: 152-161.
  11. Szmuksta-Zawadzka, M., Zawadzki, J. (2014). Modele hierarchiczne w prognozowaniu zmiennych o wysokiej częstotliwości obserwowania w warunkach braku pełnej informacji. Ekonometria, 46(4): 72-84. DOI: 10.15611/ekt.2014.4.07.
  12. Szmuksta-Zawadzka, M., Zawadzki, J. (2015). Wykorzystanie danych oczyszczonych o wysokiej częstotliwości w prognozowaniu zmiennych ze złożoną sezonowością. Metody Ilościowe w Badaniach Ekonomicznych, 16(4): 147-159. Pobrane z: https://qme.sggw.edu.pl/article/view/3817/3444 (17.09.2022).
  13. Szmuksta-Zawadzka, M., Zawadzki, J. (2016). Prognozowanie na podstawie szeregów czasowych o wysokiej częstotliwości oczyszczonych z sezonowości dla luk niesystematycznych. Metody Ilościowe w Badaniach Ekonomicznych, 17(1): 121-136. Pobrane z: https://qme.sggw.edu.pl/article/view/3851/3478 (17.09.2022)
  14. Taylor, J.W, Menezes, L.M., McSharry, P. E. (2006). A comparison of univariate methods for forecasting electricity demand up to a day ahead. International Journal of Forecasting, 22: 1-16. DOI: https://doi.org/10.1016/j.ijforecast.2005.06.006
  15. Taylor, J.W. (2010). Triple Seasonal Methods for Short-term Load Forecasting. European Journal of Operational Research, 204: 139-152. DOI: https://doi.org/10.1016/j.ejor.2009.10.003.
  16. Tomaszewski, M. (2005). Model przedsiębiorstwa dystrybucyjnego działającego na otwartym rynku energii elektrycznej [Rozprawa doktorska, Politechnika Opolska]. s. 122, Pobrane z: https://silo.tips/download/politechnika-opolska-wydzia-elektrotechniki-i-automatyki (21.01.2023).
  17. Witkowska, D., Górecka, A., Szadkowska, D., Szymczak, Z. (2000). The forecasting of the demand for electric energy: comparative analysis. Dynamic Econometric Models, 4: 45–59.
  18. Zawadzki, J. (2018). Modele hybrydowe w prognozowaniu brakujących danych w szeregach o bardzo wysokiej częstotliwości obserwowania. Folia Pomeranae Universitatis Technologiae Stetinensis seria OECONOMICA, 346(92): 81–96.
  19. Zawadzki, J. (2020). Prognozowanie brakujących danych w szeregach czasowych przy zastosowaniu modeli hybrydowych – podejście teoretyczne i empiryczne. Wiadomości Statystyczne. The Polish Statistician, 65(10): 24-48. Pobrane z: http://cejsh.icm.edu.pl/cejsh/element/bwmeta1.element.ojs-doi-10_5604_01_3001_0014_4315/c/1-a7f95192-0b38-4cb9-b923-953a0d1507ef.pdf.pdf (17.09.2022).
DOI: https://doi.org/10.2478/ers-2023-0003 | Journal eISSN: 2451-182X | Journal ISSN: 2083-3725
Language: English
Page range: 34 - 50
Submitted on: Nov 1, 2022
Accepted on: Jan 1, 2023
Published on: Mar 31, 2023
Published by: John Paul II University of Applied Sciences
In partnership with: Paradigm Publishing Services
Publication frequency: 4 issues per year

© 2023 Jan Zawadzki, published by John Paul II University of Applied Sciences
This work is licensed under the Creative Commons Attribution 4.0 License.