Organizator
Polskie Towarzystwo Elektrotechniki Teoretycznej i Stosowanej PTETiS
Oddział w Częstochowie
we współpracy z
Wydziałem Elektrycznym Politechniki Częstochowskiej
Celem konferencji jest prezentacja innowacyjnych rozwiązań, poszerzenie wiedzy oraz wymiana doświadczeń w obszarach prognozowania, optymalizacji i modelowania w sektorze energetycznym. Liczymy, że wydarzenie to przyczyni się do zacieśnienia współpracy pomiędzy środowiskiem naukowym, uczestnikami rynków energii, przedsiębiorstwami energetycznymi oraz przemysłem i biznesem.
Konferencja jest skierowana do przedstawicieli ośrodków naukowych i badawczych (z zakresu energetyki, elektrotechniki, informatyki, sztucznej inteligencji i ekonomii), operatorów sieci przesyłowych i dystrybucyjnych, przedsiębiorstw, instytucji i firm związanych z sektorem energetycznym, a także firm IT dostarczających narzędzia analityczne i obliczeniowe związane z tematyką konferencji.
Zakres tematyczny
- Prognozowanie w sektorze energetycznym: zapotrzebowania, generacji ze źródeł odnawialnych i rozproszonych, cen rynkowych energii, strat, prognozowanie w sieciach inteligentnych
- Sztuczna inteligencja w prognozowaniu, optymalizacji i modelowaniu w sektorze energetycznym: modele, algorytmy, narzędzia analityczne, metody eksploracji danych
- Planowanie, modelowanie i optymalizacja rozwoju systemu elektroenergetycznego: optymalizacja miksu energetycznego, źródła odnawialne w systemie, efektywność inwestycji, niepewność, zarządzanie ryzykiem, ograniczenia, segment prosumencki, aspekty ekologiczne
- Źródła generacji rozproszonej i odnawialnej, magazyny energii, sieci inteligentne, mikroźródła i mikrosieci: wpływ na pracę systemu elektroenergetycznego i obszarowe bilansowanie mocy i energii, niezawodność dostaw, jakość energii elektrycznej, integracja z systemem, aspekty techniczne
- Funkcjonowanie rynków energii elektrycznej i usług systemowych: uwarunkowania techniczne, ekonomiczne i organizacyjne, korzyści i koszty działania mechanizmów rynkowych, optymalizacja usług systemowych
- Bezpieczeństwo elektroenergetyczne: stan obecny i środki poprawy, awarie systemowe, inwestycje, algorytmy sterowania, automatyka, układy pomiarowe
- Sterowanie pracą systemu elektroenergetycznego: aspekty techniczne, ekonomiczne i organizacyjne, poprawa sterowalności systemu, ustalone i nieustalone stany pracy systemu
- Przyszłość elektrowni jądrowych i nowych technologii wytwarzania w Polsce: problemy polityczne, społeczne, psychologiczne, ekonomiczne, techniczne i związane z bezpieczeństwem, zielona energia
- Nowe rozwiązania techniczne i doświadczenia z eksploatacji układów automatyki, sterowania, pomiarowych i monitorowania
- Zagadnienia projektowania, eksploatacji i sterowania maszyn i napędów elektrycznych
- Poprawa efektywności energetycznej instalacji eksploatowanych w gminach (odbiorniki i instalacje elektroenergetyczne, energia z biomasy, fotowoltaika, magazyny energii, oświetlenie, audyty i białe certyfikaty
Gość specjalny
Sławek Smyl, Walmart Labs, USA
Sławek Smyl jest ekspertem ds. analizy danych, specjalizującym się w prognozowaniu szeregów czasowych, szczególnie z wykorzystaniem sieci neuronowych. Rozwija metody prognozowania, łączące tradycyjne podejścia statystyczne z nowoczesnymi technikami uczenia maszynowego. Uzyskał tytuł magistra fizyki na Uniwersytecie Jagiellońskim w Krakowie w 1988 roku, a następnie tytuł magistra inżyniera technologii informacyjnych na RMIT University w Australii. W trakcie swojej kariery zajmował kluczowe stanowiska jako Data Scientist w czołowych firmach technologicznych, takich jak Microsoft, Uber oraz Facebook/Meta, gdzie koncentrował się na analizie danych i prognozowaniu. Jego doświadczenie w tych dziedzinach doprowadziło go do obecnej roli Distinguished Data Scientist w Walmart Labs, USA. Sławek Smyl zdobył znaczące wyróżnienia w konkursach prognostycznych. W 2016 roku zwyciężył w Computational Intelligence in Forecasting International Time Series Competition, w 2017 roku zajął trzecie miejsce w Global Energy Forecasting Competition, a w 2018 roku odniósł swój największy sukces, wygrywając M4 Forecasting Competition,najbardziej prestiżowy konkurs prognostyczny na świecie. Poza pracą zawodową aktywnie działa w International Institute of Forecasters (IIF) i od 2015 roku regularnie uczestniczy w International Symposium on Forecasting (ISF).
Krótkoterminowe prognozowanie obciążeń systemów elektroenergetycznych za pomocą rekurencyjnych sieci neuronowych
Streszczenie: W referacie zostaną przedstawione argumenty wskazujące, że nowoczesne rekurencyjne sieci neuronowe (RNN) są szczególnie dobrze przystosowane do krótkoterminowego prognozowania obciążeń elektroenergetycznych.
RNN posiadają mechanizm pamięci (stan wewnętrzny), który umożliwia uwzględnianie odległych w czasie informacji podczas generowania prognozy. Dzięki temu dobrze radzą sobie z „trudnymi” szeregami czasowymi o złożonej sezonowości i wysokiej rozdzielczości czasowej, a także umożliwiają tworzenie prognoz probabilistycznych, które często wymagają dodatkowych informacji wejściowych.
Aby poprawić dokładność prognozowania, zamiast standardowych RNN opartych na komórkach LSTM, proponuje się architekturę wielowarstwową z połączeniami resztkowymi, dylatacjami oraz niestandardowymi komórkami rekurencyjnymi zaprojektowanymi do obsługi tych mechanizmów. Kluczową rolę odgrywa również odpowiednie przetwarzanie danych wejściowych, obejmujące normalizację oraz modelowanie sezonowości realizowane w sposób dynamiczny, z parametrami dostosowywanymi adaptacyjnie podczas uczenia.
Jednym z interesujących zagadnień jest efektywne zapewnienie „kontekstu”, dzięki któremu prognoza konkretnego szeregu (np. obciążenia w danym regionie) mogłaby uwzględniać informacje o tym, co dzieje się lub wydarzyło się niedawno w otoczeniu (np. w sąsiednich regionach). Często używanie wszystkich dostępnych szeregów jako dodatkowych danych wejściowych jest obliczeniowo zbyt kosztowne i może przynieść odwrotny skutek. Referat zaprezentuje kilka metod automatycznego wyboru ograniczonej liczby takich pomocniczych szeregów.
Patronat honorowy
Polski 
English (UK)