Σύγκριση απόδοσης συμβατικών παλινδρομικών μοντέλων και μοντέλων πρόβλεψης χρονοσειρών με χρονική συνάθροιση σε δεδομένα ενεργειακής κατανάλωσης Σ.Η.Ε.

Αλμπανούδης, Ορέστης; Almpanoudis, Orestis

dc.contributor.author	Αλμπανούδης, Ορέστης	el
dc.contributor.author	Almpanoudis, Orestis	en
dc.date.accessioned	2016-06-29T09:41:00Z
dc.date.available	2016-06-29T09:41:00Z
dc.date.issued	2016-06-29
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42888
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11583
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τεχνικές προβλέψεων	el
dc.subject	Μέθοδοι πρόβλεψης χρονοσειρών	en
dc.subject	Μοντέλα παλινδρόμησης	el
dc.subject	Χρονική συνάθροιση	el
dc.subject	Ιεραρχικές προβλέψεις	el
dc.subject	Forecasting techniques	en
dc.subject	Timeseries prediction methods	en
dc.subject	Regression methods	en
dc.subject	Temporal aggregation	en
dc.subject	Hierarchical forecasting	en
dc.title	Σύγκριση απόδοσης συμβατικών παλινδρομικών μοντέλων και μοντέλων πρόβλεψης χρονοσειρών με χρονική συνάθροιση σε δεδομένα ενεργειακής κατανάλωσης Σ.Η.Ε.	el
heal.type	bachelorThesis
heal.classification	Forecasting technique	el
heal.classificationURI	http://zbw.eu/stw/descriptor/15072-0
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-03-18
heal.abstract	Η παρούσα διπλωματική στοχεύει στη διερεύνηση της καταληλότητας μοντέλων πρόβλεψης σε ιεραρχίες χρονοσειρών κατανάλωσης ηλεκτρικής ενέργειας έχοντας ως στόχο να εξασφαλίσουμε την καλύτερη δυνατή ακρίβεια πρόβλεψης σε όλα τα επίπεδα αυτών λαμβάνοντας ταυτόχρονα υπόψη ότι οι επιμέρους προβλέψεις των επιπέδων θα πρέπει να είναι «συμφιλιωμένες». Με την έννοια «συμφιλιωμένες» εννοούμε, ότι για να έχουν οι ιεραρχικές προβλέψεις λογική υπόσταση, απαιτείται οι προβλέψεις των από κάτω επιπέδων να συναθροίζονται σε αυτές των ανωτέρων. Για να εξακριβώσουμε την βέλτιστη προσσέγγιση ανά ορίζοντα πρόβλεψης και ανά επίπεδο συνάθροισης, χρησιμοποιούμε δύο διαφορετικές οικογένειες μεθόδων, αυτά των αιτιοκρατικών μοντέλων πρόβλεψης και των μεθόδων πρόβλεψης χρονοσειρών. Επιπλέον, εξετάζονται τρεις διαφορετικές προσεγγίσεις ιεραρχικής συμφιλίωσης προβλέψεων καθώς και μέθοδοι χρονικής συνάθροισης χρονοσειρών για την επίτευξη του καλύτερου δυνατού αποτελέσματος. Αρχικά, πραγματοποιείται διεξοδική βιβλιογραφική επισκόπηση των διαφόρων μεθόδων πρόβλεψης ενεργειακής ζήτησης. Στη συνέχεια, παρουσιάζονται αναλυτικά τα μοντέλα πρόβλεψης χρονοσειρών με χρονική συνάθροιση καθώς και τα μοντέλα πολλαπλής γραμμικής παλινδρόμησης που θα χρησιμοποιηθούν στη συγκεκριμένη εργασία. Στο πλαίσιο των μοντέλων παλινδρόμησης, πραγματοποιείται αναλυτική περιγραφή των μεθόδων επιλογής παλινδρομητών, ενώ αναλύεται η έννοια της συσχέτισης καθώς και του δείκτη συσχέτισης R2. Έπειτα ορίζεται η έννοια της χρονικής συνάθροισης χρονοσειρών, και παρουσιάζεται ο αλγόριθμος της πολλαπλής χρονικής συνάθροισης ΜΑΡΑ. Ακόμα, παρουσιάζονται οι τρεις διαφορετικές ιεραρχικές προσεγγίσεις Bottom-Up, Top-Down και Optimal. Εν συνεχεία, αναπτύσσονται τα βασικά χαρακτηριστικά των χρονοσειρών και παρατίθενται αναλυτικοί στατιστικοί δείκτες καθώς και στατιστικοί δείκτες ακρίβειας προβλέψεων. Στο τελευταίο κομμάτι της εργασίας, γίνεται μελέτη εφαρμογής των μεθόδων πρόβλεψης χρονοσειρών με χρονική συνάθροιση και των παλινδρομικών μοντέλων σε ενεργειακά δεδομένα. Η υλοποίηση των μεθόδων πρόβλεψης γίνεται με το λογισμικό R, ενώ τα ιεραρχικά δομημένα δεδομένα που χρησιμοποιήθηκαν είναι τα δεδομένα του διαγωνισμού GEFC 2012 και αναφέρονται σε ωριαίες καταναλώσεις ενέργειας 20 διαφορετικών περιοχών της Αμερικής. Με βάση τα αποτελέσματα, προκύπτουν συγκριτικά συμπεράσματα σχετικά με τις μεθοδους πρόβλεψης, τον ορίζοντα πρόβλεψης, τις ιεραρχικές προσέγγισεις και τα επίπεδα της ιεραρχίας.	el
heal.abstract	The aim of this thesis is to investigate the fitness of the prediction models in hierarchical energy consumption timeseries so that the best possible prediction accuracy in every hierarchical level is obtained and the reconciliation of the predictions among the hierarchical levels is ensured. The term reconcilation means that the predictions of the lower levels aggregate appropriately in upper levels. In order to examine the best approach per forecast horizon and aggregation level, we make use of two methods : timeseies prediction methods and deterministic prediction models. Moreover, we investigate three different hierarchical aggregation approaches as well as temporal aggregation, so that we succeed the best prediction accuracy. At first, a literatute review of the energy consumption prediction models is made. Furthermore, timeseries prediction models with temporal aggregation and multi-linear regression models, which will be used in this thesis, are analysed. As far as regression models are concerned, the term of regression,methods of selection of regressors, as well as the statistical indicator R2 are described. Additionaly, temporal aggregation and Multi Aggregation Prediction Algorithm (MAPA) are described. After that, three difeerent hierarchical methods Bottom-Up, Top-Down and Optimal Combination are specified. Moreover, the time series characteristics, as well as statistical indicators and prediction accuracy indicators are described. In the last part of the thesis, case study is conducted in order to compare the accuracy timeseries prediction models with temporal aggregation and multi-linear regression models, measured on energy data. The implementation of the forecast methods was carried out by the use of software R and its packages. The energy data, that were used, originate from GEFC 2012 Competition and consist of hourly observations of energy consumption from 20 different regions of U.S.A. .With respect to results, comparative conclusions are made about prediction models, forecast horizon, hierarchical approaches and hierarchical levels.	en
heal.advisorName	Σπηλιώτης, Ευάγγελος	el
heal.committeeMemberName	Ασημακόπουλος, Βασίλειος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	142 σ.
heal.fullTextAvailability	true