Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19509
Τίτλος: Σύστημα Πρόβλεψης Εισροών-Εκροών Φυσικού Αερίου στην Ελλάδα
Συγγραφείς: Τσιτούρας, Ευστράτιος
Δημέας Άρης-Ευάγγελος
Λέξεις κλειδιά: Μηχανική Μάθηση, Νευρωνικά Δίκτυα, Αγορά Ενέργειας, Φυσικό Αέριο, Δίκτυο Διανομής Ενέργειας, Εποπτευόμενο Προβλεπτικό Μοντέλο, Χρονοσειρά
Machine Learning, Neural Networks, Energy Market, Natural Gas, Energy Distribution Network, Supervised Predictive Model, Time Series
Ημερομηνία έκδοσης: 25-Φεβ-2025
Περίληψη: Ένα από τα κρισιμότερα ζητήματα στη σύγχρονη αγορά ενέργειας είναι η πρόβλεψη της παραγωγής, της ζήτησης και της τιμής εκκαθάρισης της επόμενης μέρας πάνω στο δίκτυο πηγών και διανομής ενέργειας. Πρόκειται για ένα πολυπαραγοντικό πρόβλημα που επηρεάζεται από πληθώρα παραμέτρων σε κάθε στάδιο της διαδρομής του ενεργειακού φορτίου από τους παραγωγούς προς τους καταναλωτές. Ενδεικτικά οι περιβαλλοντικές και τεχνολογικές συνθήκες (μεταξύ άλλων) επηρεάζουν τους κόμβους παραγωγής, οι παγκόσμιες γεωπολιτικές συνθήκες το δίκτυο και τον τρόπο διανομής ενώ οι οικονομικές συνθήκες τη συμπεριφορά των κόμβων ζήτησης πάνω στο δίκτυο της ενέργειας. Δεδομένης της κρίσιμης σημασίας που έχει σήμερα το φυσικό αέριο για την κάλυψη της ζήτησης ηλεκτρικής ενέργειας στην Ευρώπη, γίνεται εμφανές ότι η πρόβλεψη των ροών φυσικού αερίου παρέχει αφενός ένα ισχυρό πλεονέκτημα στον εκάστοτε παίκτη της αγοράς για την αξιοποίηση των αντίστοιχων δεδομένων κατά τη λήψη σχετικών αποφάσεων, και αφετέρου θέτει τα θεμέλια για την εγκαθίδρυση συνθηκών ομαλότητας, εποπτείας και κοινωνικής δικαιοσύνης στο διαμοιρασμό και την κοστολόγησή των πόρων ενέργειας. Στην παρούσα διπλωματική εργασία γίνεται μια απόπειρα μοντελοποίησης και πρόβλεψης αυτών των διακυμάνσεων των ροών φυσικού αερίου με χρήση Μηχανικής Μάθησης. Συγκεκριμένα αξιοποιώντας καταλλήλως δεδομένα από επίσημες και ανοιχτά προσβάσιμες ευρωπαϊκές και κρατικές πηγές καθώς και ιδιωτικά δεδομένα, τροφοδοτήθηκε κι εκπαιδεύθηκε ένα κατάλληλα παραμετροποιημένο εποπτευόμενο νευρωνικό δίκτυο χρησιμοποιώντας επί τω πλείστον μοντέρνα προγραμματιστικά εργαλεία ανοιχτού κώδικα. Γίνεται εκτενής ανάλυση της δομή τόσο του μοντέλου όσο και των δεδομένων εισόδου και εξόδου καθώς και οι μετρικές απόδοσης ως προς την προβλεπτική του ικανότητα σε συνάρτηση με την εκάστοτε παραμετροποίηση. Παράλληλα παρουσιάζονται τα συμπεράσματα που εξήχθησαν ως προς τις τρέχουσες υφιστάμενες δυσκολίες κατά τη συλλογή και αξιοποίηση των απαραίτητων δεδομένων ενώ παρατίθενται ορισμένες κατευθύνσεις επέκτασης και βελτίωσης των αποτελεσμάτων.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19509
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
Διπλωματική Στράτος Τσιτούρας fixed pages title.pdf3.28 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.