Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[98370] Artykuł:

A Modern Data-Mining Approach Based on Genetically Optimized Fuzzy Systems for Interpretable and Accurate Smart-Grid Stability Prediction

Czasopismo: Energies   Tom: 13, Zeszyt: 10, Strony: 1-24
ISSN:  1996-1073
Opublikowano: 2020
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Do oświadczenia
nr 3		 Grupa
przynależności		 Dyscyplina
naukowa		 Procent
udziału		 Liczba
punktów
do oceny pracownika		 Liczba
punktów wg
kryteriów ewaluacji
Marian Bolesław Gorzałczany orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Takzaliczony do "N"Automatyka, elektronika, elektrotechnika i technologie kosmiczne3370.00140.00  
Jakub Piekoszewski orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Niespoza "N" jednostkiAutomatyka, elektronika, elektrotechnika i technologie kosmiczne3370.00.00  
Filip Rudziński orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Takzaliczony do "N"Informatyka techniczna i telekomunikacja33140.00140.00  

Grupa MNiSW:  Publikacja w czasopismach wymienionych w wykazie ministra MNiSzW (część A)
Punkty MNiSW: 140

Pełny tekstPełny tekst     DOI LogoDOI    
Keywords:

decentral smart grid control DSGC  interpretable and accurate DSGC-stability prediction  data mining  computational intelligence  fuzzy rule-based classifiers  multi-objective evolutionary optimization 


Abstract:

The main objective and contribution of this paper was/is the application of our knowledge-based data-mining approach (a fuzzy rule-based classification system) characterized by a genetically optimized interpretability-accuracy trade-off (by means of multi-objective evolutionary optimization algorithms) for transparent and accurate prediction of decentral smart grid control (DSGC) stability. In particular, we aim at uncovering the hierarchy of influence of particular input attributes upon the DSGC stability. Moreover, we also analyze the effect of possible "overlapping" of some input attributes over the other ones from the DSGC-stability perspective. The recently published and available at the UCI Database Repository Electrical Grid Stability Simulated Data Set and its input-aggregate-based concise version were used in our experiments. A comparison with 39 alternative approaches was also performed, demonstrating the advantages of our approach in terms of: (i) interpretable and accurate fuzzy rule-based DSGC-stability prediction and (ii) uncovering the hierarchy of DSGC-system’s attribute significance.


POWRÓT
Strona główna > Publikacje