Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19704
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚρεμάλας, Ευάγγελος-
dc.date.accessioned2025-07-10T08:49:52Z-
dc.date.available2025-07-10T08:49:52Z-
dc.date.issued2025-07-03-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19704-
dc.description.abstractΗ παρούσα διπλωματική εργασία εστιάζει στη σημασία των εξωγενών μεταβλητών για την πρόβλεψη της ροής φορτίου της επόμενης ημέρας, με κύριο στόχο την εύρεση της βέλτιστης αρχιτεκτονικής για την ενσωμάτωσή τους σε πλήρως διασυνδεδεμένα νευρωνικά δίκτυα, όπως αναπτύχθηκε στην έρευνα «Short-term load forecasting with global models: A comparative analysis of neural network architectures» των Αρτέμιο-Ανάργυρου Σεμένογλου, Ευάγγελου Σπηλιώτη και Βασιλείου Ασημακόπουλου, η οποία παρουσιάστηκε στο 43rd International Symposium on Forecasting (ISF 2023, 25-28 Ιουνίου 2023, Charlottesville, ΗΠΑ). Τελικά επιτυγχάνεται βελτίωση του μοντέλου κατά 12% ως προς το MAPE και κατά 10.5% ως προς το RMSE. Η πρόβλεψη της ροής φορτίου είναι κρίσιμη για την αποδοτική λειτουργία του ενεργειακού συστήματος, καθώς επιτρέπει τον προγραμματισμό παραγωγής και διανομής, εξασφαλίζοντας ισορροπία προσφοράς-ζήτησης, μειώνοντας διακοπές και βελτιστοποιώντας πόρους. Υποστηρίζει την ενσωμάτωση ΑΠΕ, αντιμετωπίζοντας τη στοχαστικότητα τους, μειώνει το κόστος λειτουργίας αποτρέποντας υπερπαραγωγή ή χρήση δαπανηρών εφεδρειών και σταθεροποιεί τις τιμές ενέργειας. Επιπρόσθετα, συμβάλλει στη μείωση περιβαλλοντικών επιπτώσεων μέσω βέλτιστης χρήσης καθαρών πηγών. Οι εξωγενείς μεταβλητές (καιρικές, ημερολογιακές, χαρακτηριστικά χώρας) βελτιώνουν σημαντικά την ακρίβεια των προβλέψεων, όπως επιβεβαιώνεται από τη βιβλιογραφία και τα πειράματα της εργασίας, με μείωση μετρικών σφάλματος (MAPE, RMSE). Ωστόσο, δεν υπάρχει καθολικά αποδεκτή μέθοδος ενσωμάτωσής τους, γεγονός που αποτελεί πρόκληση και ευκαιρία για έρευνα. Η εργασία εξετάζει διαφορετικές τεχνικές ενσωμάτωσης, υπογραμμίζοντας την ανάγκη εξατομικευμένων προσεγγίσεων. Το πρώτο κεφάλαιο εισάγει τις βασικές έννοιες του ενεργειακού τομέα σε Ελλάδα και Ευρώπη, περιγράφει το περιβάλλον μετά την απελευθέρωση των αγορών, τους κύριους παίκτες και τη σημασία της πρόβλεψης φορτίου, καθώς και παραδοσιακές μεθόδους που χρησιμοποιούν διαχειριστές στην Ευρώπη. Το δεύτερο κεφάλαιο παρουσιάζει τη θεωρία των τεχνικών προβλέψεων, ενώ το τρίτο αναλύει τις έννοιες της μηχανικής μάθησης και των νευρωνικών δικτύων. Τέλος, περιγράφεται η μεθοδολογία, η πειραματική διαδικασία και τα αποτελέσματα των πειραμάτων.en_US
dc.languageelen_US
dc.subjectπρόβλεψη φορτίου επόμενης ημέραςen_US
dc.subjectενέργειαen_US
dc.subjectτεχνικές προβλέψεωνen_US
dc.subjectνευρωνικά δίκτυαen_US
dc.subjectεξωγενείς μεταβλητέςen_US
dc.subjectενεργειακές αγορέςen_US
dc.title«Αξιολόγηση τεχνικών ενσωμάτωσης εξωγενών μεταβλητών σε νευρωνικά δίκτυα πρόβλεψης φορτίου επόμενης ημέρας»en_US
dc.description.pages125en_US
dc.contributor.supervisorΑσημακόπουλος Βασίλειοςen_US
dc.departmentΤομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεωνen_US
dc.description.notesΠλήρης τόμος με θεωρία, μεθοδολογία, πειραματική διαδικασία, αποτελέσματα, συμπεράσματαen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
Κρεμάλας.pdf9.31 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.