dc.contributor.author | Παπαντωνίου, Θεοδόσιος | el |
dc.contributor.author | Papantoniou, Theodosios | en |
dc.date.accessioned | 2023-04-19T10:51:50Z | |
dc.date.available | 2023-04-19T10:51:50Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/57545 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.25242 | |
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 | Μη παρεμβατική παρακολούθηση φορτίου | el |
dc.subject | Ενεργειακή αποσύνθεση | el |
dc.subject | Διαδίκτυο των πραγμάτων | el |
dc.subject | MQTT | el |
dc.subject | Μηχανική μάθηση | el |
dc.title | Aνάπτυξη βάσης μοτίβων κατανάλωσης ηλεκτρικών συσκευών για εφαρμογή αλγορίθμων μη παρεμβατικής παρακολούθησης φορτίου σε οικίες στην Ελλάδα | el |
heal.type | bachelorThesis | |
heal.classification | Μηχανική Μάθηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2023-03-10 | |
heal.abstract | Η παγκόσμια ενεργειακή κρίση που όλο και εντείνεται τους τελευταίους μήνες, θέτει ως επιτακτική την ανάγκη για καινοτόμες ιδέες που θα κινητοποιήσουν τον μέσο άνθρωπο να βελτιώσει την καταναλωτική και ενεργειακή του συμπεριφορά. Η διεύρυνση του κτιριακού τομέα σε συνδυασμό με την έλλειψη ενεργειακής συνείδησης και παιδείας του μέσου καταναλωτή, φέρει ως αποτέλεσμα το συνεχόμενα αυξανόμενο ποσοστό τελικής κατανάλωσης. Ένα αρχικό βήμα προς τη σωστή κατεύθυνση αποτελεί η παροχή αναλυτικής πληροφορίας σε καταναλωτή και πάροχο σχετικά με την κατανάλωση των οικιακών φορτίων που χρησιμοποιούνται καθημερινά. Η μη παρεμβατική παρακολούθηση φορτίου λογίζεται ως μία τεχνική που θα μπορούσε να καθοδηγήσει ενεργειακά την κοινωνία και να προσφέρει λύσεις σε ζητήματα υπερκατανάλωσης εντός της οικίας. Χαρακτηριστικά, προσφέρει τη δυνατότητα αποσύνθεσης της συνολικής οικιακής κατανάλωσης που εντοπίζεται στον πίνακα διανομής ενός κτιρίου, στα επιμέρους φορτία που την απαρτίζουν με χρήση μεθόδων τεχνητής νοημοσύνης. Στην παρούσα διπλωματική πραγματοποιείται η λήψη μετρήσεων ισχύος διαφόρων οικιακών φορτίων, με σκοπό τη χρήση τους σε μία διαδικασία ενεργειακής αποσύνθεσης. Με τη λήψη των ενεργειακών αυτών αποτυπωμάτων χαμηλής συχνότητας από τα 23 υπό μελέτη φορτία, κτίστηκε ένα σύνολο δεδομένων τεσσάρων ημερών που αργότερα χρησιμοποιήθηκε στην πειραματική διαδικασία με τη μορφή δεδομένων εκπαίδευσης. Παράλληλα, αναπτύχθηκαν 7 διαφορετικά καταναλωτικά μοτίβα, συχνά εμφανιζόμενα σε ένα τυπικό νοικοκυριό, τα οποία χρησιμοποιήθηκαν ως δεδομένα ελέγχου. Η εφαρμογή της τεχνικής της μη παρεμβατικής παρακολούθησης πραγματοποιήθηκε αξιοποιώντας έναν αλγόριθμο μηχανικής μάθησης και ένα μοντέλο βαθιάς μάθησης (Decision Tree Regression and Long Short-Term Memory). Η αποτελεσματικότητα των μοντέλων ελέγχθηκε με βάση τα ποσοστά ενέργειας που εντοπίστηκαν για κάθε φορτίο και με χρήση μετρικών αξιολόγησης για την κατάσταση λειτουργία τους. | el |
heal.advisorName | Δούκας, Χρυσόστομος | el |
heal.committeeMemberName | Ψαρράς, Ιωάννης | el |
heal.committeeMemberName | Ασκούνης, Δημήτριος | el |
heal.committeeMemberName | Δούκας, Χρυσόστομος | 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 | 116 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: