Πρόβλεψη ωριαίας ζήτησης ενέργειας σε σταθμούς φόρτισης ηλεκτρικών οχημάτων με τη χρήση βαθιών νευρωνικών δικτύων

Βισκαδούρος, Ευάγγελος; Viskadouros, Efangelos

dc.contributor.author	Βισκαδούρος, Ευάγγελος	el
dc.contributor.author	Viskadouros, Efangelos	en
dc.date.accessioned	2021-09-21T09:28:23Z
dc.date.available	2021-09-21T09:28:23Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53868
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21566
dc.rights	Default License
dc.subject	Δίκτυα μακράς και βραχείας μνήμης	el
dc.subject	Ηλεκτρικά οχήματα	el
dc.subject	Αναδρομικά νευρωνικά δίκτυα	el
dc.subject	Ευφυή δίκτυα	el
dc.subject	Βαθιά μηχανική μάθηση	el
dc.subject	LSTM	en
dc.subject	RNN	en
dc.subject	EV	en
dc.subject	Deep learning	en
dc.subject	Smart grid	en
dc.title	Πρόβλεψη ωριαίας ζήτησης ενέργειας σε σταθμούς φόρτισης ηλεκτρικών οχημάτων με τη χρήση βαθιών νευρωνικών δικτύων	el
heal.type	bachelorThesis
heal.classification	Βαθιά Νευρωνικά Δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-07-26
heal.abstract	Αναλογικά με την καθημερινή αύξηση του πληθυσμού στον κόσμο, αυξάνονται και οι ανάγκες των ανθρώπων. Με τον ίδιο τρόπο αυξάνονται οι απαιτήσεις στο σύστημα ισχύος και εμφανίζεται η ανάγκη για καλύτερη χρήση της ενέργειας. Η εξάντληση των αποθεμάτων ορυκτών καυσίμων, οι επί του παρόντος κυρίαρχοι ενεργειακοί πόροι, δίνει ένα κάλεσμα αφύπνισης για εξεύρεση εναλλακτικών πηγών ενέργειας για αυτούς τους τομείς. Το Smart Grid, μια αναβάθμιση του τρέχοντος συστήματος που είναι πιο αξιόπιστο, αποδοτικό, προσιτό, ασφαλές και φιλικό προς το περιβάλλον, είναι η λύση σε αυτήν την αυξανόμενη ανησυχία. Τα ηλεκτρικά οχήματα είναι πιθανό να εξυπηρετούν το ηλεκτρικό δίκτυο ως ανεξάρτητη κατανεμημένη πηγή ενέργειας. Από ορισμένες μελέτες έχει αποκαλυφθεί ότι τα περισσότερα οχήματα σταθμεύουν σχεδόν το 95% του χρόνου τους. Σε αυτήν την περίπτωση, μπορούν να παραμείνουν συνδεδεμένοι στο δίκτυο και να είναι έτοιμοι να παραδώσουν την ενέργεια που είναι αποθηκευμένη στις μπαταρίες τους. Λαμβάνοντας υπόψη την πρόοδο των οχημάτων με κινητήρα εσωτερικής καύσης, καθιστώντας τα ηλεκτρικά οχήματα αποτελεσματικά και έτσι δημοφιλή είναι αναμφίβολα ένα δύσκολο έργο. Ένας από τους βασικούς παράγοντες για την αποδοχή των EV στην αγορά θα είναι η διαθεσιμότητα σταθμών φόρτισης. Ταυτόχρονα, οι σταθμοί φόρτισης, πρέπει να γίνουν πιο προηγμένοι, να χρησιμοποιούν ενέργεια σε πιο αποτελεσματικό ζήτημα και, συνεπώς, να παρέχουν καλύτερες υπηρεσίες φόρτισης στους ιδιοκτήτες EV, από άποψη τιμής και διαθεσιμότητας ενέργειας. Αυτή η διατριβή διαμορφώνει τη ζήτηση ενέργειας για ιδιοκτήτες Ηλεκτρικών Οχημάτων, φορτίζοντας σε δημόσιους σταθμούς φόρτισης Αυτός ο αλγόριθμος λαμβάνει ιστορικά δεδομένα των περιόδων φόρτισης ηλεκτρικών οχημάτων και προβλέπει τη μελλοντική ζήτηση με βάση χρονοσειρές, χρησιμοποιώντας ένα LSTM με τη χρήση Keras και Tensorflow στο Python. Ο αλγόριθμος συγκρίνεται με βασικούς αλγόριθμους πρόβλεψης, αποδεικνύοντας την αποτελεσματικότητά του στην πρόβλεψη της ωριαίας ζήτησης ενέργειας σταθμών φόρτισης.	el
heal.advisorName	Βαρβαρίγος, Εμμανουήλ	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	55 σ.	el
heal.fullTextAvailability	false