HEAL DSpace

Χωροχρονική μοντελοποίηση του σφάλματος της πρόβλεψης της αιολικής ισχύος με χρήση νευρωνικών δικτύων

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Σούλης, Ιωάννης el
dc.contributor.author Soulis, Ioannis en
dc.date.accessioned 2015-09-09T08:32:34Z
dc.date.available 2015-09-09T08:32:34Z
dc.date.issued 2015-09-09
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/41227
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.9885
dc.rights Default License
dc.subject Αιολικές προβλέψεις el
dc.subject Wind power predictions en
dc.subject Νευρωνικά δίκτυα el
dc.subject Μοντελοποίηση σφάλματος el
dc.subject Multilayer perceptrons en
dc.subject Error modeling en
dc.title Χωροχρονική μοντελοποίηση του σφάλματος της πρόβλεψης της αιολικής ισχύος με χρήση νευρωνικών δικτύων el
heal.type bachelorThesis
heal.classification Ανανεώσιμες πηγές ενέργειας el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2015-07-13
heal.abstract The growing participation of Renewable Energy Sources in energy market causes necessities for precise and on-time foreknowledge of the underlying produced power. In particular, due to the great variability of wind features, the need for optimal wind power integration led to development of state-of-the-art forecasting techniques that transform historical data and numerical weather predictions to power forecasts. In this context, this diploma thesis looks into the most recent methods and focuses in studying the spatial-temporal propagation of errors of spot forecasts for a wind farm or a region. Under the assumption that errors travel from a location to another according to the wind direction, it is possible to estimate future errors and, thus, improve a base forecasting method. The thesis proposes Multilayer Perceptrons as the Machine Learning technique that, when trained properly, can correlate efficiently the propagated errors. The proposed techinque is tested at first at Crete’s wind farms and then applied in the cases of Peloponnese, Euvoia and Rhodes. en
heal.advisorName Χατζηαργυρίου, Νικόλαος el
heal.committeeMemberName Παπαθανασίου, Σταύρος el
heal.committeeMemberName Γεωργιλάκης, Παύλος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικής Ισχύος el
heal.academicPublisherID ntua
heal.numberOfPages 109 σ.
heal.fullTextAvailability true


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής