Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18945| Title: | Μοντέλα Τεχνητής Νοημοσύνης και Αλγόριθμοι Βελτιστοποίησης για Κατανεμημένη Παραγωγή, Ευελιξία σε Μικροδίκτυα και Εξοικονόμηση Ενέργειας σε Κτίρια |
| Authors: | Σαρμάς, Ελισσαίος Ψαρράς Ιωάννης |
| Keywords: | τεχνητή νοημοσύνη μηχανική μάθηση βελτιστοποίηση ενεργειακός τομέας ανανεώσιμες πηγές ενέργειας μικροδίκτυα κτίρια ψηφιοποίηση |
| Issue Date: | 30-Nov-2023 |
| Abstract: | Ο ενεργειακός τομέας βιώνει σήμερα σημαντικές και πρωτοφανείς αλλαγές λόγω διαφόρων παραγόντων, μεταξύ των οποίων η έντονη ανησυχία για τη βιωσιμότητα του πλανήτη. Η Συμφωνία του Παρισιού του 2015, η οποία απαιτεί τον σχεδιασμό και την εφαρμογή βιώσιμων, ισχυρών και κοινωνικά αποδεκτών πολιτικών για την καταπολέμηση της κλιματικής αλλαγής σε παγκόσμιο επίπεδο, αποτελεί σαφή ένδειξη αυτής της ανησυχίας. Η αντιμετώπιση αυτής της πρόκλησης απαιτεί μια συντονισμένη προσπάθεια μετασχηματισμού και μετατόπισης του ενεργειακού τομέα από τα συστήματα παραγωγής και κατανάλωσης που βασίζονται στα ορυκτά καύσιμα σε εναλλακτικές πηγές ενέργειας, όπως η ηλιακή, η αιολική, το υδρογόνο και οι μπαταρίες ιόντων λιθίου, μεταξύ άλλων. Αυτή η διαδικασία ενεργειακής μετάβασης είναι πολύπλοκη και έχει πολλαπλές κοινωνικές, τεχνολογικές και περιβαλλοντικές επιπτώσεις πέραν του στόχου της απαλλαγής από τον άνθρακα. Η παρούσα διδακτορική διατριβή έχει ως στόχο να συμβάλει σε αυτόν τον παγκόσμιο στόχο με την ανάπτυξη σύγχρονων μεθόδων μάθησης και μαθηματικών αλγορίθμων βελτιστοποίησης για τον τομέα της ενέργειας και των κτιρίων, με ιδιαίτερη έμφαση σε τρεις μεγάλες κατηγορίες (Ανανεώσιμες πηγές ενέργειας, Κατανεμημένοι ενεργειακοί πόροι σε επίπεδο μικροδικτύων και Ενεργειακή απόδοση κτιρίων). Μέσω της ανάπτυξης μοντέλων τεχνητής νοημοσύνης και μαθηματικής βελτιστοποίησης, η διατριβή παρουσιάζει λύσεις που αντιμετωπίζουν προβλήματα σε κάθε μία από αυτές τις κατηγορίες αναλύοντας διεξοδικά τις βασικές παραμέτρους και τις αλληλεπιδράσεις μεταξύ τους. Η συμβολή της διατριβής στην ανθρωπότητα έγκειται στην ανάπτυξη μιας ολοκληρωμένης βιβλιοθήκης μοντέλων τεχνητής νοημοσύνης και αλγορίθμων βελτιστοποίησης που μπορούν να βελτιώσουν σημαντικά την αποδοτικότητα και την αποτελεσματικότητα της διαχείρισης της ενέργειας, των ανανεώσιμων πηγών ενέργειας και της ενεργειακής απόδοσης των κτιρίων. Η διατριβή προτείνει μια ολοκληρωμένη μεθοδολογία για την επιλογή μοντέλων, αλγορίθμων και χαρακτηριστικών εισόδου για ενεργειακά προβλήματα διαφορετικών κατηγοριών προβλημάτων και την ενσωμάτωσή τους σε ένα ενιαίο μεθοδολογικό πλαίσιο. Επιπλέον, η διατριβή παρέχει μια διεξοδική ανάλυση της αλληλεξάρτησης των τριών κύριων τομέων εφαρμογής, η οποία είναι απαραίτητη για την ανάπτυξη αποτελεσματικών μοντέλων και αλγορίθμων. Παρέχοντας πρακτική επικύρωση των προτεινόμενων μοντέλων και αλγορίθμων με τη χρήση πραγματικών δεδομένων και περιπτώσεων δοκιμής, η διατριβή προσφέρει μια απτή συμβολή στην παγκόσμια προσπάθεια καταπολέμησης της κλιματικής αλλαγής μέσω της ενεργειακής μετάβασης. Οι προτεινόμενες λύσεις μπορούν να διευκολύνουν τη μετάβαση σε βιώσιμα ενεργειακά συστήματα, αντιμετωπίζοντας τις προκλήσεις που σχετίζονται με την αποανθρακοποίηση, την ψηφιοποίηση, την αποκέντρωση και τον εκδημοκρατισμό της ενέργειας. Τελικά, το παρόν ερευνητικό έργο στοχεύει να έχει ουσιαστικό και διαρκή αντίκτυπο στην ανθρωπότητα, προωθώντας την κατανόηση της ενέργειας και των κτιρίων και παρέχοντας πρακτικές λύσεις για την αντιμετώπιση των πιεστικών προκλήσεων που αντιμετωπίζουμε σήμερα. Τέλος, εκτός από τη συμβολή στον τομέα της βελτιστοποίησης του ενεργειακού και κτιριακού τομέα, η διατριβή προτείνει νέες τεχνικές στην εφαρμογή της τεχνητής νοημοσύνης. Η μάθηση μεταφοράς, η αυξητική μάθηση και η μετα-μάθηση παρουσιάζονται ως νέες προσεγγίσεις για την επίλυση των προβλημάτων που σχετίζονται με τις ανανεώσιμες πηγές ενέργειας, τους κατανεμημένους ενεργειακούς πόρους και την ενεργειακή απόδοση των κτιρίων. Οι τεχνικές αυτές επιτρέπουν την ανάπτυξη μοντέλων που μπορούν να προσαρμοστούν σε διαφορετικές εφαρμογές, επιτρέποντας τη βελτιστοποίηση του ενεργειακού τομέα με πιο αποδοτικό και αποτελεσματικό τρόπο, ανοίγοντας το δρόμο για μελλοντική έρευνα στον τομέα αυτό. |
| URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18945 |
| Appears in Collections: | Διδακτορικές Διατριβές - Ph.D. Theses |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.