dc.contributor.author | Μηλιώνη, Ευσταθία | el |
dc.contributor.author | Milioni, Efstathia | en |
dc.date.accessioned | 2020-10-08T07:31:05Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/51317 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.19015 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Διοίκηση Επιχειρήσεων (ΜΒΑ)” | el |
dc.rights | Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/gr/ | * |
dc.subject | Ηλεκτρική ενέργεια | el |
dc.subject | Υποχρεωτική υδροηλεκτρική παραγωγή | el |
dc.subject | Τεχνητά Νευρωνικά Δίκτυα | el |
dc.subject | Μοντέλο Πρόγνωσης | el |
dc.subject | Οριακή Τιμή Συστήματος | el |
dc.subject | Energy Market | en |
dc.subject | Hydroelectric power plants | en |
dc.subject | Artificial Neural Networks | en |
dc.subject | Forecasting | en |
dc.subject | System Marginal Price | en |
dc.title | Επισκόπηση Αγοράς Ηλεκτρικής Ενέργειας στην Ελλάδα και ανάπτυξη μοντέλου πρόγνωσης υποχρεωτικής υδροηλεκτρικής παραγωγής με τη χρήση Τεχνητών Νευρωνικών Δικτύων | el |
heal.type | masterThesis | |
heal.classification | Αγορά Ηλεκτρικής Ενέργειας | el |
heal.dateAvailable | 2021-10-07T21:00:00Z | |
heal.language | el | |
heal.access | embargo | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2015-02-02 | |
heal.abstract | Οι αγορές ηλεκτρικής ενέργειας έχουν μετεξελιχτεί παγκοσμίως τα τελευταία χρόνια από κρατικά μονοπώλια σε απελευθερωμένες αγορές. Το βασικό εργαλείο για τον καθορισμό της στρατηγικής όλων των ενδιαφερόμενων μερών είναι η πρόβλεψη της τιμής της ηλεκτρικής ενέργειας. Για την πρόβλεψη αυτή χρησιμοποιούνται διάφορες παράμετροι ανάλογα με τα χαρακτηριστικά κάθε αγοράς. Στην Ελλάδα μία από τις παραμέτρους που επηρεάζει την τιμή της ηλεκτρικής ενέργειας και χρησιμοποιείται στα μοντέλα πρόβλεψης είναι η υποχρεωτική παραγωγή από υδροηλεκτρικά εργοστάσια. Η πρόβλεψη που δημοσιεύεται σε μηνιαία βάση από τον ΑΔΜΗΕ έχει μεγάλο περιθώριο λάθους και για το λόγο αυτό στα πλαίσια της διπλωματικής αυτής αναπτύχθηκε ένα μοντέλο πρόγνωσης της υποχρεωτικής υδροηλεκτρικής παραγωγής με τη χρήση Τεχνητών Νευρωνικών Δικτύων. Το τελικό μοντέλο που αναπτύχθηκε δίνει καλύτερα αποτελέσματα από τη δημοσιευμένη πρόβλεψη αλλά και από άλλες μεθόδους που εξετάστηκαν και τα αποτελέσματά του μπορούν να χρησιμοποιηθούν ως δεδομένα εισόδου σε μοντέλα πρόβλεψης τιμής σε ένα επιχειρηματικό περιβάλλον. | el |
heal.advisorName | Λεώπουλος, Βρασίδας | el |
heal.committeeMemberName | Παναγιώτου, Νικόλαος | el |
heal.committeeMemberName | Πόνης, Σταύρος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών | el |
heal.academicPublisherID | ntua | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: