Ανάπτυξη λογισμικού για διερεύνηση πρόβλεψης τιμών αγορών ηλεκτρικής ενέργειας με χρήση τεχνικών μηχανικής μάθησης

Απόστολος, Καραγεωργόπουλος; Apostolos, Karageorgopoulos

dc.contributor.author	Απόστολος, Καραγεωργόπουλος	el
dc.contributor.author	Apostolos, Karageorgopoulos	en
dc.date.accessioned	2021-03-31T07:47:01Z
dc.date.available	2021-03-31T07:47:01Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53222
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20920
dc.rights	Default License
dc.subject	Αγορά ενέργειας εξισορρόπησης	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Πρόβλεψη χρονοσειρών	el
dc.subject	LSTM	en
dc.subject	CNN	en
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Βαθιά νευρωνικά δίκτυα	el
dc.subject	Balancing energy market	en
dc.subject	Machine learning	en
dc.subject	Time series forecasting	en
dc.title	Ανάπτυξη λογισμικού για διερεύνηση πρόβλεψης τιμών αγορών ηλεκτρικής ενέργειας με χρήση τεχνικών μηχανικής μάθησης	el
dc.title	Development of software for investigation of energy markets price forecasting using machine learning techniques	en
dc.contributor.department	Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.type	bachelorThesis
heal.classification	Electrical and Computer Engineering	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-03-22
heal.abstract	Η ορθή πρόβλεψη της συμπεριφοράς της τιμής Αγοράς Εξισορρόπησης είναι ιδιαίτερα σημαντική για τις μονάδες παραγωγής και την στρατηγική που θα επιλέξουν να διαθέσουν την ηλεκτρική ενέργεια που παράγουν, καθώς και για όλες τις χώρες της Ευρωπαϊκής Ένωσης για τη διασφάλιση των ομαλών συναλλαγών στο σύστημα. Μια βελτιωμένη στρατηγική πρόβλεψης μπορεί να βοηθήσει εταιρείες παραγωγής ενέργειας να ανταποκριθούν στην ισορροπία ζήτησης/προσφοράς, αποφεύγοντας ζημίες και αναπτύσσοντας κέρδη. Σε αυτή την διπλωματική εργασία, δεδομένα που συλλέχθηκαν από το Ευρωπαϊκό Δίκτυο των Διαχειριστών Συστημάτων Μεταφοράς Ηλεκτρικής Ενέργειας (ENTSO-E) για την περίπτωση της Ολλανδίας χρησιμοποιούνται για την κατασκευή προβλέψεων της τιμής Αγοράς Επόμενης Ημέρας και της συμπεριφοράς της τιμής Αγοράς Εξισορρόπησης. Τα δεδομένα αποθηκεύονται και φιλτράρονται από κατάλληλες μεθόδους προεπεξεργασίας για την διασφάλιση της ποιότητάς τους. Για τη δημιουργία προβλέψεων μελετώνται και υλοποιούνται διάφορα μοντέλα βαθιάς μηχανικής μάθησης, εστιάζοντας κυρίως σε αναδρομικά δίκτυα LSTM και στα συνελικτικά νευρωνικά δίκτυα (CNN). Γίνεται πειραματισμός και αξιολόγηση σε σχέση με την επιλογή και το πλήθος των δεδομένων εισόδου, την αποδοτικότητα των μοντέλων, καθώς και ως προς τον αριθμό των ημερών που λαμβάνονται υπόψη για την πρόβλεψη.	el
heal.abstract	Proper forecasting of balancing price behavior in the electricity market is particularly important for the generation units and the strategy that they choose to dispose the electrical energy that they produce, as well as for all the countries in the European Union in order to ensure the smooth conduct of transactions in the system. An improved forecasting strategy can help energy production companies meet the competition by avoiding losses and increasing profit. In this diploma thesis, data collected from European Network of Transmission System Operators for Electricity (ENTSO-E) for the case of Netherlands, are used to predict the day-ahead price and the balancing price behavior. The data are collected and filtered with proper preprocessing methods in order to ensure their quality. To generate predictions, various machine learning models are studied and implemented, focusing on Long-Short Term Memory Networks (LSTM) and convolutional neural networks (CNN). Experiments are conducted and evaluation is performed in relation to the choosing and the quantity of the data, the efficiency of the models, as well as the number of days that are taken into account in the forecast.	en
heal.advisorName	Vescoukis, Vassilios	en
heal.committeeMemberName	Vescoukis, Vassilios	en
heal.committeeMemberName	Papaspyrou, Nikolaos	en
heal.committeeMemberName	Hatziargyriou, Nikos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false