Zainteresowania naukowe

Streszczenie rozprawy doktorskiej

Ekonomiczny rozdział obciążeń z zastosowaniem algorytmów ewolucyjnych

Autor – mgr inż. Grzegorz Dudek

Promotor – dr hab. inż. Władysław Brzozowski prof. P.Cz

Recenzenci

  • Prof. dr hab. inż. Irena Dobrzańska z Instytutu Elektroenergetyki Politechniki Częstochowskiej
  • Prof. dr hab. inż. Jerzy Hołubiec z Instytutu Badań Systemowych PAN
  • Dr hab. inż. Robert Schaefer z Instytutu Informatyki Uniwersytetu Jagiellońskiego

Praca obroniona z wyróżnieniem dn. 27.03.2003 na Wydziale Elektrycznym Politechniki Częstochowskiej

W pracy zaproponowano metody sztucznej inteligencji i optymalizacji globalnej: algorytmy ewolucyjne (AE) i symulowane wyżarzanie (SW) do zadania ekonomicznego rozdziału obciążeń czynnych (ERO) na współpracujące w elektrowni i systemie elektroenergetycznym jednostki wytwórcze (JW). Zadanie obejmuje dobór składu jednostek, jak i rozdział obciążeń na jednostki w 24-godzinnym okresie optymalizacji.

Metody optymalizacji wykorzystujące AE i SW pozbawione są wielu wad metod klasycznych – nie stawiają ograniczeń, co do matematycznej postaci charakterystyk kosztowych bloków energetycznych (nie wymaga się postaci analitycznej tych charakterystyk, a osobliwości pochodnych są nieistotne), pozwalają dowolnie kształtować funkcję kosztu (może ona obejmować koszty ochrony środowiska, rozruchów, strat sieciowych itp.), a także uwzględniać ograniczenia. Ciągłe nieliniowe zadanie rozdziału obciążeń i kombinatoryczne zadanie doboru składu JW mogą być rozwiązywane łącznie, za pomocą jednego algorytmu.

W pracy opisano klasyczne metody ekonomicznego rozdziału obciążeń i doboru składu jednostek wytwórczych oraz nowe podejścia wykorzystujące metody sztucznej inteligencji oraz metody uwzględniające wymagania ochrony środowiska naturalnego.

Opracowano metody konstrukcji charakterystyk kosztów zmiennych oraz kosztów rozruchów bloków energetycznych. W charakterystykach tych uwzględniono:

  • koszty paliwa podstawowego i rozpałowego,
  • koszty materiałów dodatkowych - wody (kotłowej, ruchowej, chłodzącej), olejów, chemikaliów, kul do młynów i innych,
  • koszty eksploatacyjne instalacji odsiarczania spalin - sorbentu, wody technologicznej, energii elektrycznej,
  • koszty eksploatacyjne instalacji odazotowywania spalin - amoniaku, katalizatora, energii elektrycznej,
  • koszty wprowadzania do powietrza atmosferycznego pyłu ze spalania paliw, dwutlenku siarki, tlenków azotu, dwutlenku i tlenku węgla,
  • koszty składowania odpadów - popiołu lotnego, żużla i odpadów z wapniowych metod odsiarczania spalin,
  • koszty ścieków.

Skonstruowano charakterystyki kosztowe na bazie danych rzeczywistych otrzymanych z Elektrowni Bełchatów i Krajowej Dyspozycji Mocy (charakterystyk energetycznych, charakterystyk strat rozruchowych, poziomów emisji zanieczyszczeń, parametrów paliwa, parametrów bloków energetycznych i instalacji oczyszczania spalin, ...) oraz przepisów formalno-prawnych dotyczących dopuszczalnych poziomów emisji zanieczyszczeń, opłat związanych z emisją zanieczyszczeń, składowaniem odpadów i odprowadzaniem ścieków.

Model matematyczny zadania ERO obejmuje:

  • funkcję kosztu zdefiniowaną jako suma kosztów zmiennych produkcji energii elektrycznej powiększona o koszty rozruchów jednostek wytwórczych w 24-godzinnym okresie optymalizacji,
  • warunek bilansu mocy czynnej,
  • warunek zakresu generacji JW oraz grupy jednostek,
  • ograniczenia związane z minimalnymi czasami postoju jednostek w rezerwie oraz minimalnymi czasami pracy jednostek po rozruchu.

Do zadania ekonomicznego rozdziału obciążeń zastosowano dwa podejścia:

  1. kombinowane – ERO-k:

    • z wykorzystaniem algorytmów ewolucyjnych,
    • z wykorzystaniem algorytmów symulowanego wyżarzania,
    • z wykorzystaniem algorytmu hybrydowego SW i AE,

  2. zintegrowane – ERO-z:

    • z wykorzystaniem kompleksowego algorytmu ewolucyjnego,
    • z wykorzystaniem sekwencyjnego algorytmu ewolucyjnego.

W pierwszym podejściu dziedziną poszukiwań AE i SW jest przestrzeń stanów „jednostka załączona” – „jednostka odstawiona”, dla wszystkich chwil t okresu optymalizacji T. Jest to zadanie kombinatoryczne, które sprowadza się do ustalenia harmonogramów pracy jednostek wytwórczych. Rozdział obciążeń na załączone do ruchu jednostki sam w sobie stanowi tu odrębny problem programowania nieliniowego, który rozwiązuje się dla każdej chwili t (ERO „w punkcie”) klasyczną metodą mnożników Lagrange'a.

Zaproponowano kilka sposobów definicji zmiennych i dostosowane do nich metody reprezentacji:

  • zmiennymi są stany pracy JW w kolejnych chwilach okresu optymalizacji reprezentowane w kodzie binarnym,
  • zmiennymi są czasy załączeń i odstawień jednostek reprezentowane w kodzie binarnym lub całkowitoliczbowym.

W AE wprowadzono łącznie sześć metod mutacji oraz sześć metod rekombinacji dostosowanych do reprezentacji zmiennych. Na uwagę zasługuje oryginalny specjalizowany operator mutacji binarnej, w którym prawdopodobieństwo załączenia lub odstawienia JW zależny od liczby jednostek potrzebnych do pokrycia zapotrzebowania, kosztów zmiennych wytwarzania JW oraz kosztów ich rozruchów. Opracowano operator transpozycji, przeszukujący minima lokalne funkcji kosztu, który pozwala znacznie zwiększyć skuteczność AE. Do selekcji używano metody turniejowej.

Punkty próbkujące przestrzeń rozwiązań w algorytmie SW generowano za pomocą operatorów przesunięcia: mutacji i transpozycji. Zastosowano dwa schematy wyżarzania: statyczny Kirkpatricka oraz adaptacyjny Aartsa i van Laarhovena. Schemat adaptacyjny zmodyfikowano tak, aby w modelu optymalizacyjnym uwzględnić ograniczenia narzucone na zadanie. Modyfikacje polegały na dopasowaniu temperatur startowych oraz metod ich adaptacji do etapów przeszukiwania przestrzeni rozwiązań (najpierw przestrzeni punktów niedopuszczalnych, potem dopuszczalnych).

Opracowano algorytm hybrydowy SW+AE, który posiada strukturę algorytmu SW, tzn. pętlę zewnętrzną i wewnętrzną, przy czym równolegle zachodzi wiele procesów wyżarzania. Przestrzeń rozwiązań przeszukiwana jest przez populację punktów, które modyfikowane są niezależnie w pętli wewnętrznej algorytmu za pomocą operatora przesunięcia i wymieniają między sobą informacje w pętli zewnętrznej podlegając rekombinacji (losowej, minimalnoodległościowej, z najlepszym punktem) lub mikrowyżarzaniu.

Ograniczenia funkcji kosztu we wszystkich algorytmach optymalizacyjnych ERO-k eliminowano stosując strategię naprawy rozwiązań niedopuszczalnych (losową lub deterministyczną) lub strategię z funkcją kary.

W podejściu zintegrowanym (ERO-z) algorytmy ewolucyjne rozwiązują jednocześnie zadanie doboru składu jednostek wytwórczych i zadanie optymalnego ich obciążenia. W tym przypadku nie ma ograniczeń, co do charakterystyk kosztów zmiennych jednostek, nie muszą one być ciągłe, różniczkowalne i wypukłe, czego wymaga klasyczna metoda ERO według równych przyrostów względnych. Opracowano kompleksowy AE, optymalizujący harmonogramy i obciążenia jednostek w całym okresie T oraz sekwencyjny algorytm ewolucyjny, optymalizujący obciążenia dla kolejnych godzin okresu T. Zaproponowano zmiennopozycyjną reprezentację zmiennych, którymi są obciążenia JW. Zastosowano specjalizowane, dopasowane do reprezentacji operatory mutacji, transpozycji i krzyżowania. Ograniczenia funkcji kosztu eliminowano stosując strategię naprawy rozwiązań niedopuszczalnych oraz strategię z funkcją kary.

Wszystkie warianty opracowanych algorytmów optymalizacyjnych oprogramowano w środowisku Matlab i przeprowadzono masowe obliczenia komputerowe w celu porównania efektywności algorytmów. Celem porównania wykonano obliczenia optymalizacyjne z wykorzystaniem algorytmu z twardą selekcją, algorytmu Monte Carlo oraz klasycznego algorytmu charakterystyk czasów granicznych. We wszystkich przypadkach opracowane algorytmy AE i SW pozwoliły uzyskać lepsze (mniej kosztowne) rozwiązania. AE ze względu na swoją równoległą strukturę działały szybciej od SW. Czas działania można jeszcze znacznie zredukować implementując AE na maszynach równoległych. AE w wersji kompleksowej, wobec dużej liczby zmiennych binarnych i ciągłych, przeszukuje znacznie większą przestrzeń rozwiązań, niż w wersji kombinowanej. W związku z tym wydłuża się czas do momentu znalezienia dobrego rozwiązania. Czas ten można ograniczyć stosując podejście sekwencyjne, chociaż jest ono bardziej zdeterminowane i nie gwarantuje optymalizacji globalnej w okresie T.

Przeprowadzono analizę dokładności proponowanych modeli optymalizacyjnych. Za pomocą modelowania statystycznego wyznaczono rozkład dodatkowych kosztów spowodowanych typowymi błędami parametrów wejściowych modeli. Wyznaczono też rozkłady błędów funkcji kosztu i błędów określania obciążeń JW. Zbadano wrażliwość tych błędów na błędy parametrów wejściowych.

Opracowane modele mogą być wykorzystane do optymalizacji rozdziału obciążeń w pojedynczej elektrowni jak i w całym systemie elektroenergetycznym. Mogą znaleźć też zastosowanie w niektórych modelach rynku energii elektrycznej (np. w tzw. „modelu kalifornijskim”).

Streszczenie habilitacji

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

Autor – dr inż. Grzegorz Dudek

Recenzenci

  • Prof. dr hab. inż. Krzysztof Ślot, Politechnika Łódzka
  • Prof. dr hab. inż. Piotr Kulczycki, Politechnika Krakowska
  • Prof. dr hab. inż. Halina Kwaśnicka, Politechnika Wrocławska
  • Dr hab. inż. Wojciech Jędruch, Akademia Marynarki Wojennej w Gdyni

Kolokwium habilitacyjne dn. 10.12.2013 r. na Wydziale Elektrotechniki, Elektroniki, Informatyki i Automatyki Politechniki Łódzkiej

W monografii proponuje się 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 podobieństwa 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 pozwala uprościć problem prognostyczny i konstruować efektywne modele prognostyczne. Modele te opierają się na 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. W pracy opisano metodę analizy statystycznej podobieństw pomiędzy obrazami, która pozwala potwierdzić słuszność założenia. Podano szereg definicji obrazów wejściowych i wyjściowych (obrazów prognoz) oraz miar podobieństwa pomiędzy obrazami.
Zaproponowano następujące prognostyczne systemy uczące się wykorzystujące podobieństwa obrazów dobowych cykli szeregów czasowych obciążeń:

  • model oparty na estymatorach jądrowych,
  • modele oparte na estymatorach najbliższego sąsiedztwa: estymatorach k najbliższych sąsiadów oraz rozmytych estymatorach funkcji regresji,
  • model oparty na sztucznym systemie immunologicznym z lokalną selekcją cech,
  • modele oparte na grupowaniu obrazów, wykorzystujące: metodę k-średnich w wersji ostrej i rozmytej, samoorganizujące się odwzorowanie cech, gaz neuronowy, grupowanie hierarchiczne oraz dwa oryginalne sztuczne systemy immunologiczne.

Do uczenia i optymalizacji modeli stosowano metody deterministyczne i stochastyczne (algorytmy ewolucyjne i autorską metodę przeszukiwania turniejowego). Modele poddano analizom: złożoności obliczeniowej, wrażliwości na zmiany wartości parametrów, odporności na dane zakłócone i niekompletne. Opisano metody analizy statystycznej błędów prognoz. Dokładność proponowanych modeli porównano z dokładnością modeli klasycznych (ARIMA, wygładzanie wykładnicze) oraz z dokładnością sieci neuronowej (wielowarstwowy perceptron).
Modele oparte na podobieństwie obrazów wyróżniają się prostotą: posiadają czytelną strukturę i zrozumiałą zasadę działania. Liczba parametrów jest tu niewielka, co implikuje mniej złożony proces uczenia i optymalizacji oraz lepszą generalizację modelu. Modele wykorzystują lokalną regresję nieparametryczną, co zapewnia ich wysoką dokładność, konkurencyjną z dokładnością innych modeli prognostycznych dedykowanych temu problemowi.

Kontakt

Dr hab. inż. Grzegorz Dudek

Politechnika Częstochowska
Wydział Elektryczny
Katedra Automatyki, Elektrotechniki i Optoelektroniki

42-200 Częstochowa,
Al. Armii Krajowej 17
Pokój E214
Tel. 034 32 50 896
E-mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

Osiągnięcia

Doktorat

Dudek G.: Ekonomiczny rozdział obciążeń z zastosowaniem algorytmów ewolucyjnych.

Streszczenie rozprawy   Tom1 rozprawy   Tom 2 rozprawy

Obrona pracy na Wydziale Elektrycznym P.Cz. z wyróżnieniem w 2003 r.

Promotor – dr hab. inż. Władysław Brzozowski, prof. P.Cz.

Recenzenci:

  • dr hab. inż. Robert Schaefer, Instytut Informatyki Uniwersytetu Jagiellońskiego,
  • prof. dr hab. inż. Jerzy Hołubiec, Instytut Badań Systemowych PAN,
  • prof. dr hab. inż. Irena Dobrzańska, Instytutu Elektroenergetyki P.Cz.

Habilitacja

Dudek G.: Systemy uczące się oparte na podobieństwie obrazów do prognozowania szeregów czasowych obciążeń elektroenergetycznych. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2012.

Streszczenie

Kolokwium habilitacyjne dn. 10.12.2013 r. na Wydziale Elektrotechniki, Elektroniki, Informatyki i Automatyki Politechniki Łódzkiej

Recenzenci:

  • prof. dr hab. inż. Krzysztof Ślot, Politechnika Łódzka
  • prof. dr hab. inż. Piotr Kulczycki, Politechnika Krakowska
  • prof. dr hab. inż. Halina Kwaśnicka, Politechnika Wrocławska
  • dr hab. inż. Wojciech Jędruch, Akademia Marynarki Wojennej w Gdyni

Profesura

Dziedzina nauk inżynieryjno-technicznych, dyscyplina: informatyka techniczna i telekomunikacja, 07.09.2023 r.

Klasyfikacja na liście World’s Top 2% Scientists opracowanej przez Stanford University i Elsevier

Career-long impact (za cały okres kariery)

  • 2020 - #163669
  • 2021 - #160743
  • 2022 - #152973

Single year impact (za dany rok)

  • 2019 - #65010
  • 2020 - #68514
  • 2021 - #70158
  • 2022 - #60118

Projekty naukowo-badawcze

  • Grant KBN nr 8T10B06014: Prognozowanie zapotrzebowania na energię elektryczną z zastosowaniem metod statystycznego rozpoznawania obrazów, termin: 1998-1999, charakter udziału – główny wykonawca (we współpracy z Instytutem Biocybernetyki i Inżynierii Biomedycznej PAN).
  • Grant KBN nr 8T10B01017: Krótkoterminowe prognozowanie obciążenia systemu elektroenergetycznego z zastosowaniem sztucznych sieci neuronowych o radialnych funkcjach bazowych, termin: 1999-2000, charakter udziału – kierownik.
  • Grant KBN nr 8T10B03921: Ekonomiczny rozdział obciążeń na poziomie elektrowni cieplnej z zastosowaniem algorytmów ewolucyjnych i symulowanego wyżarzania, termin: 2001-2002, charakter udziału – kierownik.
  • Grant KBN nr 3T10B02329: Krótkoterminowe prognozowanie obciążeń systemów elektroenergetycznych z zastosowaniem klasteryzacji rozmytej i algorytmów genetycznych, termin: 2005-2006, charakter udziału – kierownik.
  • Grant finansowany przez Rektora P.Cz.: Krótkoterminowe prognozowanie zapotrzebowania na energię elektryczną i cen energii na rynkach giełdowym i bilansującym z wykorzystaniem metod analizy skupień, termin: 2007-2008, charakter udziału – kierownik.
  • Grant finansowany przez Rektora P.Cz.: Krótkoterminowe prognozowanie zapotrzebowania na energię elektryczną i cen energii na rynkach giełdowym i bilansującym metodami regresji nieparametrycznej, termin: 2008-2009, charakter udziału – kierownik.
  • Grant habilitacyjny MNiSW nr N N516 415338: Nieklasyczne metody prognozowania krótkoterminowego szeregów czasowych obciążeń systemów elektroenergetycznych, termin: 2010-2013, charakter udziału – kierownik.
  • Grant NCN Opus 14 nr 2017/27/B/ST6/01804: Randomizowane metody uczenia sztucznych sieci neuronowych, termin: 2018-2020, charakter udziału – kierownik.

Udział w projektach realizowanych dla przemysłu

  • Dudek G., Szkutnik J., Gawlak A., Kornatka M.: Platforma zarządzania danymi z zaawansowanej infrastruktury pomiarowej. Projekt NCBR współfinansowany ze środków Europejskiego Funduszu Rozwoju Regionalnego w ramach POIR 2014-2020, działanie 1.2. Sektorowe programy B+R. Partnerzy: Tauron Dystrybucja S.A. (lider), Future Processing, Politechnika Opolska, 2017-2018.
    Zadania realizowane w ramach projektu:
    • Analiza współczynników jednoczesności w sieci nN
    • Metoda wyznaczania wskaźników sieci SAIDI, SAIFI z wykorzystaniem danych z systemu AMI oraz liczników bilansujących
    • Badania analityczne możliwości wykreowania modelowych obciążeń dla różnych charakterów odbiorców oraz stacji SN/nN
    • Identyfikacja nielegalnego poboru energii elektrycznej
  • Szkutnik J., Gawlak A., Dudek G.: Statyczna i dynamiczna wielowymiarowa analiza danych pomiarowych w wybranym obszarze dystrybucji energii elektrycznej. Praca dla Tauron Dystrybucja S.A., 2017.
  • Szkutnik J., Dudek G., Czepiel S., Gawlak A.: Obróbka i analiza danych pomiarowych pochodzących z liczników zainstalowanych w stacjach SN/nN w rejonie Pyskowic i Toszka (obszar smart metering) oraz na liniach SN w miejscach wyznaczających granice bilansowanego obszaru. Praca dla Tauron Dystrybucja S.A., 2014. 
  • Popławski T., Dąsal K., Dudek G., Łyp J., Sowiński J., Starczynowska E.: Opracowanie metodyki analiz popytowo-podażowych oraz zasad monitorowania zużycia energii elektrycznej i obciążeń KSE dla potrzeb długoterminowego planowania rozwoju KSP. Etap II – Opracowanie metodyki analiz podażowych oraz rekomendacji w zakresie monitorowania. Praca dla PSE Operator S.A. przez CATA, 2011.
  • Popławski T., Dąsal K., Dudek G., Łyp J., Sowiński J., Starczynowska E.: Opracowanie metodyki analiz popytowo-podażowych oraz zasad monitorowania zużycia energii elektrycznej i obciążeń KSE dla potrzeb długoterminowego planowania rozwoju KSP. Etap I - Identyfikacja stanu obecnego w zakresie analiz podażowo-popytowych oraz opracowanie metodyki prognoz popytowych. Praca dla PSE Operator S.A. przez CATA, 2011.
  • Popławski T., Dąsal K., Dudek G., Łyp J., Sowiński J., Starczynowska E.: Opracowanie i weryfikacja modeli do prognozowania zapotrzebowania na moc elektryczną w krajowym systemie elektroenergetycznym dla potrzeb opracowywania w PSE Operator S.A. planów koordynacyjnych, Etap III: Opracowanie i uzgodnienie z Zamawiającym założeń oraz koncepcji systemu do prognozowania zapotrzebowania na moc elektryczną w KSE dla potrzeb opracowywania planów koordynacyjnych, przy wykorzystaniu wyników badań zależności historycznych. Praca dla PSE Operator S.A. przez CATA, 2010.
  • Popławski T., Dąsal K., Dudek G., Łyp J., Sowiński J., Starczynowska E.: Opracowanie i weryfikacja modeli do prognozowania zapotrzebowania na moc elektryczną w krajowym systemie elektroenergetycznym dla potrzeb opracowywania w PSE Operator S.A. planów koordynacyjnych, Etap II: Określenie na bazie pozyskanych danych historycznych zależności pomiędzy wybranymi czynnikami zewnętrznymi (w tym pogodowymi) a obciążeniem KSE dla potrzeb prognostycznych w ramach opracowywania planów koordynacyjnych w PSE Operator S.A. Praca dla PSE Operator S.A. przez CATA, 2010.
  • Popławski T., Dąsal K., Dudek G., Łyp J., Sowiński J., Starczynowska E.: Opracowanie i weryfikacja modeli do prognozowania zapotrzebowania na moc elektryczną w krajowym systemie elektroenergetycznym dla potrzeb opracowywania w PSE Operator S.A. planów koordynacyjnych, Etap I: Opracowanie założeń, metody oraz narzędzia do badań zależności pomiędzy wybranymi czynnikami zewnętrznymi (w tym pogodowymi) a obciążeniem KSE oraz dokonanie uzgodnień z Zamawiającym. Praca dla PSE Operator S.A. przez CATA, 2010.
  • Dobrzańska I., Dąsal K., Łyp J., Popławski T., Dudek G., Seweryn P.: Wieloletnia prognoza zapotrzebowania na moc i energię elektryczną na obszarze działania ZEORK SA w ujęciu napięć dystrybucyjnych. Wyniki prognozy. Praca dla ZEORK S.A. BZ-20-39/96/S. Częstochowa, styczeń 1997.
  • Dobrzańska I., Dąsal K., Łyp J., Popławski T., Dudek G., Seweryn P.: Opracowanie prognozy zapotrzebowania mocy i energii do 2020 r. dla czterech oddziałów eksploatacji sieci przesyłowej (OESP Bydgoszcz, OESP Warszawa, OESP Poznań, OESP Katowice). Praca dla Konsorcjum Politechniki Gdańskiej, Politechniki Śląskiej i Politechniki Warszawskiej. PZ-20-3/95. Częstochowa, październik 1995.

Autorstwo specjalistycznych programów komputerowych

  • Program komputerowy FatRec do obliczeń spodziewanych i teoretycznych częstości wystąpień genotypów w populacji oraz heterozygotyczności, siły dyskryminacji, prawdopodobieństwa wykluczenia ojcostwa i zawartości informacji polimorficznej. Program napisany na zamówienie Zakładu Medycyny Sądowej Śląskiej Akademii Medycznej, Katowice, 2001.
  • Program komputerowy FatRec2 do wyznaczania prawdopodobieństwa ojcostwa na podstawie genotypów i częstości alleli. Program napisany na zamówienie Zakładu Medycyny Sądowej Śląskiej Akademii Medycznej, Katowice, 2003.
  • Aplikacja w Excelu HLA Patch Generator do generowania epletów antygenów HLA. Program napisany na zamówienie prof. Rene Duquesnoy’a, University of Pittsburgh Medical Center, USA, 2004.
  • Program komputerowy HLAMatching do generowania zgodnych pod względem tripletów antygenów HLA – do doboru dawców szpiku kostnego w białaczkach. Program napisany dla NZOZ Medigen, Warszawa, 2004. 
  • Program komputerowy HLAMatchmaker – ABC Eplet Matching do typowania zgodności pomiędzy dawcą i biorcą na poziomie epletów antygenów HLA. Program napisany na zamówienie prof. Rene Duquesnoy’a, University of Pittsburgh Medical Center, USA, 2010.
  • Program komputerowy HLAMatching_2 do analizy statystycznej wyników dopasowania genotypów HLA dawców i biorców oraz wyznaczania krzywej przeżycia. Program napisany dla NZOZ Medigen, Warszawa, 2017.

Staże w zagranicznych ośrodkach naukowych

  • Staż naukowy w University of Pittsburgh Medical Center (1,5 miesiąca, 2004) - doświadczenia w zakresie algorytmu komputerowego identyfikacji akceptowalnych niezgodności na poziomie aminokwasów antygenów HLA. Algorytm zwiększa prawdopodobieństwo znalezienia zgodnych dawców szpiku kostnego i narządów.
  • Udział w warsztatach naukowych Workshop on Nuclear Power Plant Simulators for Education zorganizowanych przez International Atomic Energy Agency (IAEA) z siedzibą w Wiedniu. Warsztaty miały miejsce w International Centre for Theoretical Physics (ICTP) w Trieście we Włoszech w dniach 29 października - 9 listopada 2007. Celem warsztatów było zapoznanie uczestników z symulatorami bloków jądrowych typu PWR, BWR, HWR i WWER.

Recenzje publikacji w czasopismach

  • IEEE Transactions on Evolutionary Computation
  • IEEE Transactions on Cybernetics
  • IEEE Transactions on Industrial Electronics
  • Neural Networks
  • Information Sciences
  • Knowledge-Based Systems
  • Applied Soft Computing
  • Neural Computing and Applications
  • Neurocomputing
  • Computational Optimization and Applications
  • Engineering Applications of Artificial Intelligence
  • Complexity
  • International Journal of Forecasting
  • European Journal of Operational Research
  • Computers in Human Behavior
  • Applied Energy
  • Energies
  • Transactions on Computational Collective Intelligence
  • International Journal of Applied Mathematics and Computer Science, Special Issue on Evolutionary Computation
  • International Journal of Electrical Power & Energy Systems
  • Intelligent Decision Technologies
  • Przegląd Elektrotechniczny (Electrical Review)
  • Rynek Energii (Energy Market)
  • Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska 
  • ...

Funkcje eksperta

  • ekspert Narodowego Centrum Badań i Rozwoju
  • ocena wniosków stypendialnych w ramach III edycji projektu „Grant Plus” (Urząd Marszałkowski Województwa Dolnośląskiego)
  • udział w kapitule konkursu "Nagroda Prezydenta Miasta Częstochowy za najlepszą pracę inżynierską, licencjacką, magisterską lub doktorską związaną z promocją Częstochowy"

Zajęcia dydaktyczne

  • Metody sztucznej inteligencji, Sztuczna inteligencja
  • Algorytmy ewolucyjne
  • Systemy uczące się, Uczenie maszynowe, Metody uczenia maszynowego
  • Systemy eksperckie
  • Kompilatory
  • Badania operacyjne i optymalizacja
  • Podstawy programowania
  • Technika programowania komputerów
  • Narzędzia Internetowe w Elektroenergetyce
  • Prognozowanie i marketing w elektroenergetyce
  • Elektrownie jądrowe
  • Geometria i grafika inżynierska

Działalność organizacyjna

  • Przewodniczenie Uczelnianej Odwoławczej Komisji Dyscyplinarnej dla Studentów, 2008-2012.
  • Pełnomocnik Dziekana ds. Jakości Kształcenia, 2007-2008.
  • Przewodniczenie Wydziałowej Komisji ds. Jakości Kształcenia, 2007-2012.
  • Członkowstwo w Wydziałowej Komisji ds. Jakości Kształcenia, 2012-nadal.
  • Organizacja Zamiejscowego Ośrodka Dydaktycznego Wydziału Elektrycznego P.Cz. w Lublińcu, 2011.
  • Prace w zespołach opracowujących raporty samooceny:
    • ocena programowa kierunku Informatyka, 2005, 2008,
    • ocena programowa kierunku Elektronika i Telekomunikacja, 2008,
    • ocena instytucjonalna Wydziału Elektrycznego, 2012,
    • ocena programowa kierunku Elektrotechnika, 2018,
  • Prace w zespole ds. utworzenia kierunku Automatyka i Robotyka na Wydziale Elektrycznym P.Cz., 2012.
  • Prace w zespole opracowującym założenia i koncepcję programu funkcjonalno-użytkowego dot. przebudowy i termomodernizacji budynków Wydziału Elektrycznego P.Cz z zastosowaniem odnawialnych źródeł energii, 2011.
  • Prace w zespole ds. opracowania dokumentacji konkursowej NCBiR dot. działania 4.3: Wzmocnienie potencjału dydaktycznego uczelni w obszarach kluczowych w kontekście celów strategii Europa 2020, 2012.
  • Prace w zespole ds. opracowania dokumentacji konkursowej na dofinansowanie jednostek organizacyjnych uczelni w zakresie wdrażania systemów poprawy jakości kształcenia i KRK, 2012.
  • Praca w kapitule konkursu "Nagroda Prezydenta Miasta Częstochowy za najlepszą pracę inżynierską, licencjacką, magisterską lub doktorską związaną z promocją Częstochowy", 2014.
  • Członek Rady Wydziału Elektrycznego PCz, 2015-2019.
  • Członek zespołu do spraw przewodów doktorskich w zakresie dyscypliny Elektrotechnika, 2018-2019.
  • Praca w kadrowych komisjach konkursowych, 2017-2018.
  • Przewodniczenie zespołowi opracowującemu ankietę oceny parametrycznej jednostki naukowej za lata 2013-2016.
  • Funkcja dyrektora Instytutu Informatyki na WE PCz, 2016-2019.
  • Funkcja kierownika Zakładu Inżynierii Danych i Inteligencji Obliczeniowej, 2016-2019.
  • Funkcja kierownika Zakładu Informatyki Technicznej, 2019.
  • Funkcja prodziekana ds. nauki na WE PCz, 2017-2019.
  • Członek Senatu PCz, 2016-2020.
  • Członek Rady Dyscypliny Automatyka, Elektronika i Elektrotechnika PCz, od 2019.

Nagrody za działalność naukową, dydaktyczną i organizacyjną

  • Trzecie miejsce w międzynarodowym konkursie prognostycznym GEFCOM 2014 - Price forecasting (prognozowanie cen energii elektrycznej) 
  • Osiemnaście indywidualnych i zespołowych nagród Rektora P.Cz. za osiągnięcia naukowe (2011-2023).
  • Osiem zespołowych i indywidualnych nagród Rektora P.Cz. za działalność organizacyjną (2010-2018).

O autorze

W 1994 r. ukończyłem studia magisterskie na Wydziale Elektrycznym Politechniki Częstochowskiej na kierunku Elektrotechnika. Za osiągnięcia w okresie studiów zostałem wyróżniony medalem Rektora PCz. Po ukończeniu studiów zostałem asystentem w Instytucie Elektroenergetyki na WE PCz. Pracowałem w zespole prof. Ireny Dobrzańskiej zajmującym się prognozowania obciążeń systemów elektroenergetycznych. Ten nurt badawczy kontynuuję do dziś. Realizowałem projekty badawcze i badawczo-rozwojowe finansowane przez KBN, MNiSW, NCN lub NCBiR (w latach 1998-1999, 1999-2000, 2001-2002, 2005-2006, 2010-2013, 2017-2018, 2018-2021) oraz Rektora PCz (w latach 2007-2008 i 2008-2009). We wszystkich projektach z wyjątkiem jednego pełniłem funkcje kierownika. Efektem projektów jest wiele modeli prognostycznych, m.in. opartych na sieciach neuronowych, logice rozmytej, drzewach regresyjnych, estymatorach jądrowych, metodach grupowania danych i systemach immunologicznych. W ostatnich latach miałem okazję zweryfikować opracowane modele w ramach projektów wykonywanych na zlecenie Polskich Sieci Elektroenergetycznych Operator S.A.

W 2003 r. obroniłem z wyróżnieniem doktorat pt.: "Ekonomiczny rozdział obciążeń z zastosowaniem algorytmów ewolucyjnych" i zostałem zatrudniony na stanowisku adiunkta w macierzystym instytucie. Rozprawa doktorska dotyczyła nowych metod optymalizacji (algorytmów ewolucyjnych i symulowanego wyżarzania) w zastosowaniu do harmonogramowania pracy i ustalania obciążeń jednostek wytwórczych w systemie elektroenergetycznym. Doświadczenia zdobyte w trakcie badań miałem okazję wykorzystać w projekcie wykonywanym na zlecenie Polskich Sieci Elektroenergetycznych Operator S.A., który dotyczył m.in. opracowania metodyki analiz popytowo-podażowych dla potrzeb długoterminowego planowania rozwoju krajowej sieci przesyłowej.

W 2004 r. odbyłem staż w University of Pittsburgh Medical Center, gdzie zdobywałem doświadczenia w zakresie algorytmu identyfikacji akceptowalnych niezgodności na poziomie aminokwasów antygenów HLA, którego twórcą jest prof. R. Duquesnoy. W wyniku zdobytych doświadczeń napisałem kilka programów komputerowych do typowania zgodności pomiędzy dawcą i biorcą szpiku kostnego. Metoda prof. Duquesnoya zainspirowała mnie do konstrukcji klasyfikatora oraz modelu prognostycznego opartych na sztucznym systemie immunologicznym z lokalną selekcją cech. Prace zostały opublikowane w IEEE Transactions on Evolutionary Computation.

W 2013 r. uzyskałem habilitację. Monografia habilitacyjna pt. "Systemy uczące się oparte na podobieństwie obrazów do prognozowania szeregów czasowych obciążeń elektroenergetycznych" dotyczyła modeli prognostycznych wykorzystujących metody uczenia maszynowego, rozpoznawania obrazów i inteligencji obliczeniowej do sporządzania krótkoterminowych prognoz obciążeń systemów elektroenergetycznych.

W latach 2016-2019 pełniłem funkcję dyrektora Instytutu Informatyki na WE PCz oraz kierownika Zakładu Inżynierii Danych i Inteligencji Obliczeniowej. W roku 2019 pełniłem funkcję kierownika Zakładu Informatyki Technicznej. W latach 2017-2019 byłem prodziekanem ds. nauki na WE PCz. W latach 2016-2020 byłem członkiem Senatu PCz. Od roku 2019 jestem członkiem Rady Dyscypliny Automatyka, Elektronika i Elektrotechnika PCz. Od roku 2020 kieruję zespołem badawczym zajmującym się modelowaniem, prognozowaniem i optymalizacją procesów, systemów i instalacji elektroenergetycznych.

W polu moich zainteresowań naukowych leżą metody inteligencji obliczeniowej, systemy uczące się i metody rozpoznawania obrazów. W szczególności interesuje mnie prognozowanie szeregów czasowych z wieloma sezonowościami, metody klasyfikacji danych i regresji, randomizowane uczenie sieci neuronowych oraz stochastyczne metody optymalizacji globalnej. Jestem autorem trzech monografii i ponad 100 publikacji naukowych. Prowadzę zajęcia dydaktyczne głównie z dziedziny metod sztucznej inteligencji i uczenia maszynowego. Za osiągnięcia naukowo-badawcze oraz organizacyjne otrzymałem wiele nagród Rektora PCz.