ΜΟΝΤΕΛΟ ΠΡΟΒΛΕΨΗΣ ΕΙΚΟΝΩΝ ΤΟΥ ΟΥΡΑΝΟΥ ΜΕ ΧΡΗΣΗ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΒΡΑΧΥΠΡΟΘΕΣΜΗ ΠΡΟΒΛΕΨΗ ΤΗΣ ΦΩΤΟΒΟΛΤΑΪΚΗΣ ΠΑΡΑΓΩΓΗΣ

Abstract

Στόχος της παρούσας διπλωματικής εργασίας είναι η υλοποίηση μοντέλου πρόβλεψης εικόνων του ουρανού με χρήση βαθιάς μάθησης για την βραχυπρόθεσμη πρόβλεψη της φωτοβολταϊκής (ΦΒ) παραγωγής. Για τον σκοπό αυτό πραγματοποιήθηκε κατασκευή τεσσάρων αρχιτεκτονικών μοντέλου που βασίζονται σε συνελικτικούς αυτοκωδικοποιητές (Convolutional Auto-Encoders − CAEs), με χρήση 2D και 3D συνελίξεων, ώστε για μια ακολουθία εισόδου εικόνων του ουρανού, το μοντέλο να μπορεί να προβλέψει μια ακολουθία εξόδου (μελλοντικές εικόνες). Το παραπάνω εγχείρημα πραγματοποιείται με την βοήθεια ενός συνόλου δεδομένων επίγειων εικόνων του ουρανού, που λήφθηκαν από κάμερα παρακολούθησης του ουρανού σε διάστημα δεκατεσσάρων ημερών. Η αξιολόγηση των αποτελεσμάτων γίνεται με ποιοτικά (εποπτική αξιολόγηση), αλλά και ποσοτικά μέσα (μετρητικά αξιολόγησης). Η ανάπτυξη του κώδικα για τη δημιουργία των μοντέλων της παρούσας διπλωματικής εργασίας γίνεται στη γλώσσα προγραμματισμού Python. Η παρούσα εργασία καινοτομεί με την προσθήκη της τεχνικής της ταξινόμησης των δεδομένων εικόνων σε καταστάσεις του ουρανού (ηλιοφάνεια, μερική συννεφιά και συννεφιά) επεκτείνοντας τις ήδη υπάρχουσες μεθόδους. Παράλληλα, ενισχύει το υπόβαθρο για επερχόμενες ερευνητικές προσπάθειες στον τομέα των προβλέψεων και θέτει τις βάσεις για μελλοντική ερευνητική δραστηριότητα.