Περιφερειακή Πρόβλεψη Αιολικής Παραγωγής Με Χρήση ARTMAP

DSpace/Manakin Repository

Show simple item record

dc.contributor.advisor Χατζηαργυρίου, Νικόλαος el
dc.contributor.author Χρόνης, Νικόλαος Ι. el
dc.contributor.author Chronis, Nikolaos I. en
dc.date.accessioned 2014-11-12T08:01:38Z
dc.date.available 2014-11-12T08:01:38Z
dc.date.copyright 2014-07-18 -
dc.date.issued 2014-11-12
dc.date.submitted 2014-07-18 -
dc.identifier.uri http://dspace.lib.ntua.gr/handle/123456789/39589
dc.description 142 σ. el
dc.description.abstract Η τεχνολογική πρόοδος της σύγχρονης κοινωνίας έχει ως αποτέλεσμα τη χρήση της ηλεκτρικής ενέργειας από τις πιο απλές καθημερινές δραστηριότητες ενός κοινού ανθρώπου μέχρι την βιομηχανία κι άλλες πιο ενεργειακά δαπανηρές δραστηριότητες. Προβάλει έτσι επιτακτική η ανάγκη για παραγωγή όλο και περισσότερης ηλεκτρικής ενέργειας προς εξυπηρέτηση όλων των απαιτήσεων. Δεδομένου ότι ο ορυκτός πλούτος, ο οποίος ήταν για αρκετές δεκαετίες μια απ’ τις βασικές πηγές ενέργειας, έχει αρχίσει να ελαττώνεται αλλά εκπέμπει επίσης και σημαντικούς ρύπους, γίνεται πλέον στροφή στις ανανεώσιμες πηγές ενέργειας, οι οποίες είναι και πιο «καθαρές» μορφές. Η αιολική ενέργεια είναι μία από τις κυριότερες ανανεώσιμες πηγές ενέργειας και στην Ελλάδα ευνοείται αρκετά η δημιουργία αιολικών πάρκων αν αναλογιστεί κανείς τους ανέμους που πνέουν στο μεγαλύτερο διάστημα του έτους τόσο σε παραθαλάσσιες όσο και σε ηπειρωτικές περιοχές. Ωστόσο, λόγω της μεταβλητότητας του ανέμου, παρουσιάζονται δυσκολίες στην ενσωμάτωση στο σύστημα ηλεκτρικής ενέργειας. Επομένως, τα τελευταία χρόνια γίνεται μια προσπάθεια πρόβλεψης της αιολικής παραγωγής, με χρήση διαφόρων μεθόδων πρόβλεψης, ούτως ώστε η πρόβλεψη να αποτελέσει ένα σημαντικό εργαλείο για τους διαχειριστές των συστημάτων ηλεκτρικής ενέργειας σε θέματα όπως ο καθορισμός της εφεδρείας, ο προγραμματισμός των μονάδων και ο οικονομικός σχεδιασμός αλλά και σε διάφορα ερευνητικά προγράμματα. Το βασικό εργαλείο που χρησιμοποιείται για την πρόβλεψη είναι τα αριθμητικά δεδομένα καιρού από το εκάστοτε σύστημα καιρού, τα οποία παρέχουν τιμές για τις ατμοσφαιρικές μεταβλητές των αιολικών πάρκων και καθορίζουν στον μεγαλύτερο βαθμό την παραγωγή αιολικής ισχύος. Έχουν αναπτυχθεί διάφορα μοντέλα πρόβλεψης, τα οποία χωρίζονται σε δύο κατηγορίες βάσει της προσέγγισης που χρησιμοποιείται, τα φυσικά μοντέλα, που μέσω φυσικών διεργασιών ανάγουν τα δεδομένα καιρού σε ισχύ και τα στατιστικά μοντέλα που συνδέουν κατευθείαν τα δεδομένα καιρού στατιστικά με την παραγόμενη ισχύ. Μια άλλη οικογένεια μοντέλων τα οποία έχουν δοκιμαστεί αρκετά είναι τα τεχνητά νευρωνικά δίκτυα. Το βασικό τους πλεονέκτημα είναι η παραγωγή προβλέψεων από το μηδέν μέσω της συνεχούς τους εκπαίδευσης. Ιδιαίτερο ενδιαφέρον έχουν τα συστήματα που στηρίζονται στην Θεωρία Προσαρμοστικού Συντονισμού (Adaptive Resonance Theory – ART) και κυρίως τα ARTMAPs, τα οποία στηρίζονται στην αυτό-οργάνωση τους. Στην παρούσα διπλωματική επιχειρείται περιφερειακή πρόβλεψη αιολικής παραγωγής στην περιοχή της Πελοποννήσου με χρήση νευρωνικού δικτύου και συγκεκριμένα του distributed ARTMAP. Στόχος είναι ο περιορισμός του σφάλματος πρόβλεψης αλλά και συγχρόνως μια ικανοποιητική καμπύλη πρόβλεψης που να συμβαδίζει επαρκώς με την καμπύλη παραγωγής για ορίζοντα πρόβλεψης έως 48 ώρες μπροστά. Επομένως, αφού παρουσιαστεί η θεωρία των νευρωνικών δικτύων καθώς και ο αλγόριθμος που θα χρησιμοποιηθεί για την πρόβλεψη, θα γίνει μια ανάλυση όλων των τροποποιήσεων και προσπαθειών που έγιναν στοχεύοντας την βελτίωση του αλγορίθμου για να εξαχθούν τα τελικά συμπεράσματα και να πραγματοποιηθεί η αξιολόγηση της μεθόδου αυτής. el
dc.description.abstract Technological advancement of modern society has resulted in the use of electricity, from the simplest daily activities of a common man, to the industry and other more energy-costly activities. So it is imperative to produce more and more electricity to service all requirements. Since mineral wealth, which was for decades one of the essential sources of energy, has begun to dwindle but also emits and major pollutants, electricity market is now turning to renewable energy sources, which are more "pure" forms. Wind energy is one of the main renewable energy sources and in Greece is favored enough the creation of wind farms, considering the winds blowing most of the year, both in coastal and continental regions. However, due to the variability of the wind, there are difficulties presented in integrating into the electricity system. Therefore, in recent years there is an effort to forecast wind production, using various forecasting methods, so that prediction can be an important tool for the operators of electricity systems on issues such as the definition of reserves, the unit commitment and the economic dispatch but also in various research projects. The basic tool used for prediction is the numerical weather data from the weather system, which provide values for atmospheric variables of the wind farms and largely determine the wind power production. There have been developed various forecasting models, which are divided into two categories based on the approach used, the physical models, which through natural processes reduce the weather data into power and the statistical models that connect directly the weather data statistically with the power output. Another family of models which have been tested enough artificial neural networks. Their main advantage is the production of predictions from zero through their own continuous training. Of particular interest are the systems based on Adaptive Resonance Theory - ART and mainly ARTMAPs, which rely on their self-organization. This diploma thesis seeks regional wind production forecast in the region of Peloponnesus using neural network and in particular distributed ARTMAP. Objective is the reduction of the forecasting error but simultaneously a satisfactory prediction curve sufficiently in line with the production curve for forecast horizon up to 48 hours ahead. Therefore, having presented the theory of neural networks and the algorithm that will be used for the prediction, it will become an analysis of all the modifications and the efforts made aiming the improvement of the algorithm to draw final conclusions and to make the evaluation of this method. en
dc.description.statementofresponsibility Νικόλαος Ι. Χρόνης el
dc.language.iso el en
dc.rights ETDFree-policy.xml en
dc.subject Αιολική παραγωγή el
dc.subject Περιφερειακή πρόβλεψη el
dc.subject Αριθμητικές προβλέψεις καιρού el
dc.subject Μοντέλα τεχνολογίας αιχμής, el
dc.subject Σφάλμα πρόβλεψης el
dc.subject Νευρωνικά δίκτυα el
dc.subject Θεωρία προσαρμοστικού συντονισμού el
dc.subject Κατανεμημένη ενεργοποίηση el
dc.subject Wind power production en
dc.subject Regional forecasting en
dc.subject Numerical weather predictions en
dc.subject State-of-the-art models en
dc.subject Forecast error en
dc.subject Neural networks en
dc.subject Adaptive resonance theory en
dc.subject Distributed activation en
dc.title Περιφερειακή Πρόβλεψη Αιολικής Παραγωγής Με Χρήση ARTMAP el
dc.title.alternative Regional Wind Power Forecast Using ARTMAP en
dc.type bachelorThesis el (en)
dc.date.accepted 2014-07-11 -
dc.date.modified 2014-07-18 -
dc.contributor.advisorcommitteemember Παπαθανασίου, Σταύρος el
dc.contributor.advisorcommitteemember Γεωργιλάκης, Παύλος el
dc.contributor.committeemember Χατζηαργυρίου, Νικόλαος el
dc.contributor.committeemember Παπαθανασίου, Σταύρος el
dc.contributor.committeemember Γεωργιλάκης, Παύλος el
dc.contributor.department Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Η/Υ. Τομέας Ηλεκτρικής Ισχύος. el
dc.date.recordmanipulation.recordcreated 2014-11-12 -
dc.date.recordmanipulation.recordmodified 2014-11-12 -

Files in this item

This item appears in the following Collection(s)

Show simple item record