Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης

Οι ραγδαίες εξελίξεις που σημειώνονται στον τομέα της ενέργειας και της τεχνητής νοημοσύνης έχουν δημιουργήσει την ανάγκη για την δημιουργία ενός Έξυπνου δικτύου που οι τεχνολογίες της πληροφορικής και των τηλεπικοινωνίων θα παίζουν πρωταρχικό ρόλο. Η παρούσα διπλωματική εργασία πραγματεύεται την αν...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Γιαννούλης, Αλέξανδρος
Άλλοι συγγραφείς: Giannoulis, Alexandros
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/14509
id nemertes-10889-14509
record_format dspace
spelling nemertes-10889-145092022-09-05T06:58:24Z Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης Electric load forecasting in smart bulding using machine learning algorithm Γιαννούλης, Αλέξανδρος Giannoulis, Alexandros Πρόβλεψη ηλεκτρικού φορτίου Αλγόριθμοι μηχανικής μάθησης Έξυπνο δίκτυα Μηχανική μάθηση Ηλεκτρική εγκατάσταση Έξυπνο σπίτι Αλγόριθμος LSTM Πρόβλεψη κατανάλωσης Αλγόριθμος πρόβλεψης Cloud υλοποίηση αλγόριθμου μάθησης Τεχνητή νοημοσύνη Παράλληλος προγραμματισμός Μηχανική μάθηση σε python Διαχείριση δεδομένων Load forecasting Smart buildings Machine learning Deep learning Data analysis Smart grid LSTM algorithm Artificial intelligence Multi core programming Electric demand Neural networks Python machine learning Cloud implementation Cloud computing Οι ραγδαίες εξελίξεις που σημειώνονται στον τομέα της ενέργειας και της τεχνητής νοημοσύνης έχουν δημιουργήσει την ανάγκη για την δημιουργία ενός Έξυπνου δικτύου που οι τεχνολογίες της πληροφορικής και των τηλεπικοινωνίων θα παίζουν πρωταρχικό ρόλο. Η παρούσα διπλωματική εργασία πραγματεύεται την ανάπτυξη ενός αλγορίθμου βαθιάς μηχανικής μάθησης ο οποίος θα προβλέπει το ηλεκτρικό φορτίο εγκαταστάσεων σε δυο ορίζοντες πρόβλεψης και οι οποίοι είναι τα 15 λεπτά και η 1 ώρα. Το συγκεκριμένο μοντέλο πρόβλεψης βασίζεται στο State of the Art αλγόριθμο LSTM και σκοπός της εργασίας είναι η μελέτη της ακρίβειας των εκτιμήσεων του καθώς και των χρόνων εκπαίδευσης και πρόβλεψης που απαιτήθηκαν. Στο πλαίσιο αυτό, τα δεδομένα που χρησιμοποιήθηκαν προέρχονται από 4 ηλεκτρικές εγκαταστάσεις. Αρχικά γίνεται εκτενή αναφορά στο θεωρητικό υπόβαθρο που απαιτείται για την κατανόηση του προβλήματος πρόβλεψης ενώ στην συνέχεια πραγματοποιείται η υλοποίηση του μοντέλου στη γλώσσα Python. Οι υλοποιήσεις που εκτελούνται αναφέρονται και στα τέσσερα κτήρια των δεδομένων μας και πραγματοποιούνται σε διαφορετικά υπολογιστικά συστήματα ανάλογα τον ορίζοντα πρόβλεψης. Καταλήγοντας, έχοντας εκτελεστεί οι απαραίτητες προβλέψεις, παρουσιάζονται και ερμηνεύονται τα αποτελέσματα του αλγόριθμου ενώ ταυτόχρονα παραθέτονται και προτάσεις για περαιτέρω έρευνα της παρούσας διπλωματικής εργασίας. 2021-02-22T07:31:35Z 2021-02-22T07:31:35Z 2021-02-12 http://hdl.handle.net/10889/14509 gr application/pdf
institution UPatras
collection Nemertes
language Greek
topic Πρόβλεψη ηλεκτρικού φορτίου
Αλγόριθμοι μηχανικής μάθησης
Έξυπνο δίκτυα
Μηχανική μάθηση
Ηλεκτρική εγκατάσταση
Έξυπνο σπίτι
Αλγόριθμος LSTM
Πρόβλεψη κατανάλωσης
Αλγόριθμος πρόβλεψης
Cloud υλοποίηση αλγόριθμου μάθησης
Τεχνητή νοημοσύνη
Παράλληλος προγραμματισμός
Μηχανική μάθηση σε python
Διαχείριση δεδομένων
Load forecasting
Smart buildings
Machine learning
Deep learning
Data analysis
Smart grid
LSTM algorithm
Artificial intelligence
Multi core programming
Electric demand
Neural networks
Python machine learning
Cloud implementation
Cloud computing
spellingShingle Πρόβλεψη ηλεκτρικού φορτίου
Αλγόριθμοι μηχανικής μάθησης
Έξυπνο δίκτυα
Μηχανική μάθηση
Ηλεκτρική εγκατάσταση
Έξυπνο σπίτι
Αλγόριθμος LSTM
Πρόβλεψη κατανάλωσης
Αλγόριθμος πρόβλεψης
Cloud υλοποίηση αλγόριθμου μάθησης
Τεχνητή νοημοσύνη
Παράλληλος προγραμματισμός
Μηχανική μάθηση σε python
Διαχείριση δεδομένων
Load forecasting
Smart buildings
Machine learning
Deep learning
Data analysis
Smart grid
LSTM algorithm
Artificial intelligence
Multi core programming
Electric demand
Neural networks
Python machine learning
Cloud implementation
Cloud computing
Γιαννούλης, Αλέξανδρος
Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
description Οι ραγδαίες εξελίξεις που σημειώνονται στον τομέα της ενέργειας και της τεχνητής νοημοσύνης έχουν δημιουργήσει την ανάγκη για την δημιουργία ενός Έξυπνου δικτύου που οι τεχνολογίες της πληροφορικής και των τηλεπικοινωνίων θα παίζουν πρωταρχικό ρόλο. Η παρούσα διπλωματική εργασία πραγματεύεται την ανάπτυξη ενός αλγορίθμου βαθιάς μηχανικής μάθησης ο οποίος θα προβλέπει το ηλεκτρικό φορτίο εγκαταστάσεων σε δυο ορίζοντες πρόβλεψης και οι οποίοι είναι τα 15 λεπτά και η 1 ώρα. Το συγκεκριμένο μοντέλο πρόβλεψης βασίζεται στο State of the Art αλγόριθμο LSTM και σκοπός της εργασίας είναι η μελέτη της ακρίβειας των εκτιμήσεων του καθώς και των χρόνων εκπαίδευσης και πρόβλεψης που απαιτήθηκαν. Στο πλαίσιο αυτό, τα δεδομένα που χρησιμοποιήθηκαν προέρχονται από 4 ηλεκτρικές εγκαταστάσεις. Αρχικά γίνεται εκτενή αναφορά στο θεωρητικό υπόβαθρο που απαιτείται για την κατανόηση του προβλήματος πρόβλεψης ενώ στην συνέχεια πραγματοποιείται η υλοποίηση του μοντέλου στη γλώσσα Python. Οι υλοποιήσεις που εκτελούνται αναφέρονται και στα τέσσερα κτήρια των δεδομένων μας και πραγματοποιούνται σε διαφορετικά υπολογιστικά συστήματα ανάλογα τον ορίζοντα πρόβλεψης. Καταλήγοντας, έχοντας εκτελεστεί οι απαραίτητες προβλέψεις, παρουσιάζονται και ερμηνεύονται τα αποτελέσματα του αλγόριθμου ενώ ταυτόχρονα παραθέτονται και προτάσεις για περαιτέρω έρευνα της παρούσας διπλωματικής εργασίας.
author2 Giannoulis, Alexandros
author_facet Giannoulis, Alexandros
Γιαννούλης, Αλέξανδρος
author Γιαννούλης, Αλέξανδρος
author_sort Γιαννούλης, Αλέξανδρος
title Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
title_short Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
title_full Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
title_fullStr Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
title_full_unstemmed Πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
title_sort πρόβλεψη φορτίου ηλεκτρικής εγκατάστασης με χρήση αλγορίθμου μηχανικής μάθησης
publishDate 2021
url http://hdl.handle.net/10889/14509
work_keys_str_mv AT giannoulēsalexandros problepsēphortiouēlektrikēsenkatastasēsmechrēsēalgorithmoumēchanikēsmathēsēs
AT giannoulēsalexandros electricloadforecastinginsmartbuldingusingmachinelearningalgorithm
_version_ 1771297171536084992