Πρόβλεψη της Απορριπτόμενης Ισχύος των Αιολικών Πάρκων της Ρόδου με Μεθόδους Μηχανικής Μάθησης

Χανής, Ιωάννης; Hanis, Ioannis

dc.contributor.author	Χανής, Ιωάννης	el
dc.contributor.author	Hanis, Ioannis	en
dc.date.accessioned	2020-02-03T10:58:28Z
dc.date.available	2020-02-03T10:58:28Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49736
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17434
dc.description
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Αιολική Ισχύς	el
dc.subject	Ρόδος	el
dc.subject	Πρόβλεψη Ισχύος	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Αξιοποίηση Αιολικής Ενέργειας	el
dc.subject	Wind Power	en
dc.subject	Rhodes	el
dc.subject	Wind Power Prediction	el
dc.subject	Machine Learning	el
dc.subject	Wind Power Utilization	el
dc.title	Πρόβλεψη της Απορριπτόμενης Ισχύος των Αιολικών Πάρκων της Ρόδου με Μεθόδους Μηχανικής Μάθησης	el
dc.title	Calculation of the Power Rejected from the Rhodes Wind Farms by means of Machine Learning Methods	en
heal.type	masterThesis
heal.classification	Machine Learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-09-25
heal.abstract	Στην παρούσα μεταπτυχιακή εργασία θα υπολογιστεί η ετήσια απορριπτόμενη ισχύς των αιολικών πάρκων της Ρόδου, δηλαδή η ισχύς που μπορεί να παραχθεί από τα πάρκα αλλά δε χρησιμοποιείται, γιατί ο διαχειριστής του συστήματος ζητάει λιγότερη ισχύ. Οι υπολογισμοί θα βασιστούν σε προβλέψεις της αιολικής ισχύος των πάρκων, οι οποίες θα προκύψουν με χρήση τεχνικών μηχανικής μάθησης (machine learning). Θα εκπαιδευτούν διάφορα μοντέλα παλινδρόμησης χρησιμοποιώντας δείγματα από μια γνωστή χρονοσειρά ανεμολογικών δεδομένων, και θα υπολογιστούν οι βέλτιστες τιμές των παραμέτρων τους. Το καλύτερο μοντέλο από αυτά θα χρησιμοποιηθεί στη συνέχεια για πραγματοποίηση προβλέψεων ισχύος: το μοντέλο θα κάνει μια εκτίμηση της ετήσιας ισχύος που παράγεται από κάθε πάρκο, βασιζόμενο στα δεδομένα με τα οποία εκπαιδεύτηκε. Αν από αυτή την τιμή αφαιρέσουμε την ετήσια ισχύ που χρησιμοποιείται από τον διαχειριστή του δικτύου, η οποία είναι γνωστή, θα προκύψει η τιμή της ετήσιας απορριπτόμενης ισχύος του κάθε πάρκου.	el
heal.abstract	Within the context of this postgraduate thesis we will calculate the power that is rejected annually from the Rhodes wind farms. This is the power that can be produced by the farms but is not harnessed, because the grid administrator requests less power. The calculations will be based on wind power predictions carried out by machine learning models. A variety of regression models will be trained on samples taken from a known time series of wind data, and their hyper-parameters will be tuned to their optimal values. The best model trained will then be used to conduct power predictions: it will estimate the power produced annually by each park, based on the data on which it was trained. From this value we can then subtract the value of the power that is annually requested from the grid administrator, in order to get an estimation of the power which is annually rejected from each wind farm.	en
heal.advisorName	Χατζηαργυρίου, Νικόλαος
heal.committeeMemberName	Χατζηαργυρίου, Νικόλαος
heal.committeeMemberName	Παπαθανασίου, Σταύρος
heal.committeeMemberName	Δούκας, Χάρης
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	134 σ.	el
heal.fullTextAvailability	false