CASE STUDIESThe ANN approach descri

CASE STUDIES
The ANN approach described in the previous section was
used to forecast hourly load values for a Brazilian electric
company (CEMIG - State of Minas Gerais). The test period
covers a whole year (from MarcWl993 to February/l994).
The forecasting performance is analyzed through 3 metrics:
* Mean Absolute Percentage Error (MAPE).
* Root Mean Squared Error (RMSE).
0 Theil's U (U).
approach to be tried in the fume is to use a specific network
to handle only Holidays.
Table 1 - Forecasting Error for each Month
To analyze the forecasting performance in detail, 'we
consider two particular months: March and August. Table 2
shows the MAPE, RMSE and Theil's U for each day of these
2 months and Table :3 shows the MAPE obtained for each
particular forecasting hour (forecasting with leading times
up to 24 hours).
As shown in Table 2, the MAPE is below 2% for almost
all days in both months. Also, the U coefficient is below 1
for all days, showing the ANN really extracted the more
relevant information of the load series in the training
process.
MfWE and RMSE have been commonly used to evaluate
forecasting performance; addtionally, we use a metric called
Theil'r; U, which is the rate between the RMSE of the actual
forecasting system (the ANN) and the RMSE of a "naive"
forecasting system

ผลลัพธ์ (ไทย) 1:

กรณีศึกษาถูกวิธีแอนที่อธิบายไว้ในส่วนก่อนหน้าใช้ในการพยากรณ์ค่าโหลดรายชั่วโมงสำหรับไฟฟ้าบราซิลบริษัท (CEMIG - รัฐ Minas เหมืองแร่สเชไรส์) ระยะเวลาทดสอบครอบคลุมทั้งปี (ตั้งแต่ MarcWl993 ถึง กุมภาพันธ์/l994)ประสิทธิภาพการคาดการณ์การวิเคราะห์ผ่านตัวชี้วัดที่ 3:* หมายถึง เปอร์เซ็นต์ความผิดพลาด (MAPE)* รากเฉลี่ยกำลังสองผิดพลาด (RMSE)0 Theil U (U)วิธีการที่จะพยายามในควันคือการ ใช้เครือข่ายเฉพาะการจัดการวันหยุดเท่านั้นตารางที่ 1 - การคาดการณ์ผิดพลาดสำหรับแต่ละเดือนการวิเคราะห์การคาดการณ์ผลการดำเนินงานในรายละเอียด, ' เราพิจารณาเฉพาะสองเดือน: มีนาคมและสิงหาคม ตารางที่ 2แสดง MAPE, RMSE และของ Theil U สำหรับแต่ละวันเหล่านี้2 เดือนและตาราง: 3 แสดง MAPE ที่ได้รับสำหรับแต่ละโดยเฉพาะการคาดการณ์ชั่วโมง (การคาดการณ์กับชั้นนำครั้งถึง 24 ชั่วโมง)ดังแสดงในตารางที่ 2, MAPE อยู่ด้านล่าง 2% สำหรับเกือบทุกวันทั้งเดือน นอกจากนี้ ค่าสัมประสิทธิ์ U คือด้านล่าง 1ทุกวัน แสดงกับแอนจริง ๆ แยกเพิ่มเติมข้อมูลที่เกี่ยวข้องของชุดโหลดในการฝึกอบรมกระบวนการMfWE และ RMSE มีการนิยมใช้ในการประเมินการคาดการณ์ประสิทธิภาพ ท้ายที่สุด เราใช้การวัดที่เรียกว่าTheil'r U ซึ่งเป็นอัตราระหว่าง RMSE ของจริงการคาดการณ์ระบบ (คนเล็ก) และ RMSE ของ "ไร้เดียงสา"ระบบการคาดการณ์

ผลลัพธ์ (ไทย) 2:

กรณีศึกษา
แนวทาง ANN อธิบายไว้ในส่วนก่อนหน้านี้ได้ถูก
นำมาใช้ในการคาดการณ์ค่าโหลดรายชั่วโมงสำหรับบราซิลไฟฟ้า
บริษัท (CEMIG - รัฐ Minas Gerais) ระยะเวลาการทดสอบ
ครอบคลุมตลอดทั้งปี (จาก MarcWl993 กุมภาพันธ์ / l994).
ประสิทธิภาพการคาดการณ์มีการวิเคราะห์ถึง 3 ตัวชี้วัด:
* หมายถึงข้อผิดพลาดร้อยละแอบโซลูท (MAPE).
* ข้อผิดพลาดค่าเฉลี่ยกำลังสอง (RMSE).
0 Theil ยู (U)
วิธีการที่จะพยายามในควันคือการใช้เครือข่ายเฉพาะ
. ที่จะจัดการเฉพาะวันหยุด
ตารางที่ 1 - ข้อผิดพลาดในการพยากรณ์สำหรับแต่ละเดือน
เพื่อวิเคราะห์การคาดการณ์ผลการดำเนินงานในรายละเอียดเรา
พิจารณาสองเดือนโดยเฉพาะอย่างยิ่ง: มีนาคมและสิงหาคม ตารางที่ 2
แสดงให้เห็น MAPE, RMSE และ Theil ยูในแต่ละวันของทั้ง
2 เดือนและตารางที่ 3 แสดง MAPE ที่ได้รับในแต่ละ
ชั่วโมงการคาดการณ์โดยเฉพาะอย่างยิ่ง (คาดการณ์กับเวลาชั้นนำ
ถึง 24 ชั่วโมง).
ดังแสดงในตารางที่ 2, MAPE คือ ต่ำกว่า 2% เกือบ
ทุกวันทั้งเดือน นอกจากนี้ค่าสัมประสิทธิ์ U เป็นต่ำกว่า 1
สำหรับทุกวันแสดงแอนจริงๆสกัดมากขึ้น
ข้อมูลที่เกี่ยวข้องของชุดภาระในการฝึกอบรม
กระบวนการ.
MfWE และ RMSE ได้รับการนิยมใช้ในการประเมิน
ผลการปฏิบัติงานการพยากรณ์ addtionally เราจะใช้ตัวชี้วัดที่เรียกว่า
Theil'r; U ซึ่งเป็นอัตราระหว่าง RMSE ของที่เกิดขึ้นจริง
ระบบการคาดการณ์ (แอน) และ RMSE ของ "ไร้เดียงสา" การ
ระบบการคาดการณ์

ผลลัพธ์ (ไทย) 3:

กรณีศึกษาวิธีการที่อธิบายไว้ในส่วนก่อนหน้านี้ แอนใช้พยากรณ์ค่ารายชั่วโมงสำหรับบราซิลไฟฟ้าโหลดบริษัท ( CEMIG -- รัฐของรัฐมีนัสเชไรส์ ) ระยะเวลาทดสอบครอบคลุมทั้งปี ( จาก marcwl993 กุมภาพันธ์ / l994 )การพยากรณ์โดยใช้ตัวชี้วัดประสิทธิภาพที่ 3 :* หมายถึงค่าเปอร์เซ็นต์ความผิดพลาดสัมบูรณ์ ( MAPE )* รากค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE )0 Theil ยู ( U )วิธีการที่จะพยายามในตู้คือการใช้เครือข่ายเฉพาะจัดการเฉพาะวันหยุดตารางที่ 1 - การพยากรณ์ผิดพลาดสำหรับแต่ละเดือนวิเคราะห์พยากรณ์การปฏิบัติในรายละเอียด เราพิจารณาสองเฉพาะเดือน : มีนาคม และสิงหาคม . ตารางที่ 2แสดงให้เห็นค่า RMSE ทิล , และยูสำหรับแต่ละวันของเหล่านี้ตารางที่ 2 เดือนและ 3 แสดงสำหรับแต่ละค่าได้ชั่วโมงการพยากรณ์โดยเฉพาะ ( การพยากรณ์ด้วยการนำครั้งตลอด 24 ชั่วโมง )ดังแสดงในตารางที่ 2 , MAPE ต่ำกว่า 2% สำหรับเกือบวันทั้งหมดในเดือน นอกจากนี้คุณโดยด้านล่าง 1สำหรับวันแสดงจริงได้มากกว่า แอนข้อมูลที่เกี่ยวข้องของโหลดชุดในการฝึกอบรมกระบวนการและ mfwe RMSE มีใช้กันทั่วไปเพื่อประเมินการพยากรณ์ประสิทธิภาพ addtionally เราใช้ตัวชี้วัดที่เรียกว่าtheil'r ; U ซึ่งเป็นคะแนนระหว่างวิธีการที่เกิดขึ้นจริงระบบการพยากรณ์ ( แอน ) และวิธีการที่ " ไร้เดียงสา "ระบบพยากรณ์