| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 4 / 4
First pagePrevious page1Next pageLast page
1.
Napovedovanje porabe električne energije z rekurentnimi nevronskimi mrežami
Urban Kos, 2020, master's thesis

Abstract: Predvidevanje porabe električne energije predstavlja zelo pomemben člen v elektroenergetski industriji, saj lahko pripomore k optimizaciji proizvodnje. S pomočjo strojnega učenja, natančneje rekurentnih nevronskih mrež, je mogoče natančno napovedati električno energijo. Veliko vlogo pri napovedovanju igrajo kakovost in količina podatkov ter arhitektura in nastavitve nevronske mreže. V teoretičnem delu je podrobno opisana nevronska mreža in njeni osnovni gradniki, kjer je bilo največ pozornosti posvečene rekurentnim mrežam, praktični del pa prikazuje izvedbo eksperimenta napovedovanja porabe električne energije z rekurentnimi nevronskimi mrežami z različno arhitekturo in podatki.
Keywords: rekurentne nevronske mreže, električna energija, napovedovanje električne energije
Published: 03.07.2020; Views: 318; Downloads: 67
.pdf Full text (7,12 MB)

2.
Napoved proizvodnje električne energije sončnih elektrarn podjetja dem
Branimir Žvajker, 2019, undergraduate thesis

Abstract: S pomočjo načrtovane proizvodnje električne energije iz sončnih elektrarn se lahko načrtuje dejansko potrebno proizvodnjo električne energije iz vseh ostalih virov, ki jih lahko reguliramo. Zanesljivo napovedovanje bo v prihodnosti vedno pomembnejše, saj nas bo zanimala informacija o napovedani proizvodnji sončne elektrarne za naslednji dan oz. naslednje dni. Z večanjem velikosti sončne elektrarne je pomembnost napovedovanja proizvodnje električne energije še toliko večja, saj se veča tudi vpliv na elektroenergetski sistem. Razvili smo metodo napovedovanja, ki temelji na napovedi sončnega sevanja za naslednji dan za posamezno sončno elektrarno. Napovedani meteorološki podatki se spreminjajo vsako uro, zato je negotovost napovedi relativno visoka. Kljub temu smo v predstavljenem pristopu dobili zadovoljivo natančno napoved proizvodnje električne energije, saj je absolutna vrednost pogreška manjša od 5% v vsaj šestini opazovanega obdobja in manjša od 10% v vsaj tretjini opazovanega obdobja.
Keywords: sončne elektrarne, sončni moduli, napovedovanje, proizvodnja električne energije, elektroenergetski sistem
Published: 15.01.2020; Views: 962; Downloads: 0
.pdf Full text (10,74 MB)

3.
Primerjava modelov za napovedovanje porabe električne energije
Nik Novak, 2019, undergraduate thesis

Abstract: Uspešno napovedovanje porabe električne energije je pomembno z vidika ohranitve planeta, saj zaradi ustvarjanja viška porabljamo vire brez razloga. V diplomskem delu smo primerjali dva modela za napovedovanje porabe električne energije, in sicer nevronsko mrežo LSTM in model SARIMA za napovedovanje vrednosti v časovnih vrstah. Za testiranje modelov so bili uporabljeni podatki v tedenski ločljivosti, pridobljeni od podjetja Maked Energea, d. o. o. V rezultatih se je nevronska mreža LSTM pri uporabljenih nizih podatkov izkazala kot najboljša.
Keywords: strojno učenje, LSTM, RNN, SARIMA, napovedovanje, poraba električne energije.
Published: 21.11.2019; Views: 456; Downloads: 75
.pdf Full text (2,02 MB)

4.
Modeli upravljanja s kakovostjo podatkov in simulacije vrednotenja kakovosti podatkov
Amadeja Bratuša, 2019, master's thesis

Abstract: Prodiranje podatkovno gnanih storitev v organizacije prinaša poleg novih poslovnih procesov, možnosti in priložnosti tudi vrsto izzivov. Kakršnokoli na podatkih utemeljeno modeliranje ima lahko podlago le v kakovostnih, realno stanje natančno odsevajočih podatkih. V magistrskem delu je predstavljen model, ki s spremljanjem kakovosti podatkovnih virov omogoča njihovim upravnikom pridobiti informacije o kakovosti posameznih podatkovnih tokov, kar jim posledično pomaga pri odpravljanju nepravilnosti in dvigu njihove kakovosti. Modeli kakovosti podatkov iz literature lahko vključujejo kar več deset kategorij kakovosti, med katerimi so najpogosteje uporabljene popolnost, rednost, usklajenost in natančnost. Vsaka kategorija kakovosti ima definirana različna preverjanja oz. validacije, s pomočjo katerih se šteje ali kako drugače analizira meritve, ki ne izpolnjujejo pogojev te kategorije kakovosti in tako se pridobi kazalnike kakovosti podatkov. Predstavljen je tudi taksonomski pregled omenjenih kategorij kakovosti, področij, na katerih se uporabljajo, ter kriterijev za primernost njihove uporabe. Model in indikatorji kakovosti so ilustrirani s primerom vrednotenja kakovosti podatkov za potrebe napovedovanja proizvodnje sončnih elektrarn. Rezultati kažejo na to, da delež nekakovostnih podatkov občutno vpliva na napake pri napovedovanju fotovoltaične proizvodnje električne energije. Pomembno se zdi izpostaviti, da je dodana vrednost magisterija koncept vrednotenja modelskih napak in samostojno dodana preverjanja ter opis modela kazalnikov kakovosti, kar se je razvijalo in dopolnjevalo skozi več uspešno izpeljanih projektov na to temo.
Keywords: Model kakovosti podatkov, dimenzije kakovosti podatkov, kazalniki kakovosti, osamelci, taksonomija, Monte Carlo simulacija, vrednotenje napak, napovedovanje proizvodnje električne energije.
Published: 05.11.2019; Views: 502; Downloads: 0
.pdf Full text (1,40 MB)

Search done in 0.06 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica