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...
Main Author: | |
---|---|
Other Authors: | |
Language: | Greek |
Published: |
2021
|
Subjects: | |
Online Access: | 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 |