dc.contributor.author |
Παπαλουκάς, Γεώργιος
|
el |
dc.contributor.author |
Papaloukas, Georgios
|
en |
dc.date.accessioned |
2023-11-03T09:38:17Z |
|
dc.date.available |
2023-11-03T09:38:17Z |
|
dc.identifier.uri |
https://dspace.lib.ntua.gr/xmlui/handle/123456789/58273 |
|
dc.identifier.uri |
http://dx.doi.org/10.26240/heal.ntua.25969 |
|
dc.description |
Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Παραγωγή και Διαχείριση Ενέργειας” |
el |
dc.rights |
Default License |
|
dc.subject |
Έξυπνα δίκτυα |
el |
dc.subject |
Αναδρομικά νευρωνικά δίκτυα |
el |
dc.subject |
Μηχανική μάθηση |
el |
dc.subject |
Recurrent neural networks |
en |
dc.subject |
Machine learning |
en |
dc.subject |
Smart grids |
en |
dc.title |
Βραχυπρόθεσμη πρόβλεψη ηλεκτρικής ζήτησης οικιακών φορτίων με χρήση αναδρομικών νευρωνικών δικτύων |
el |
heal.type |
masterThesis |
|
heal.classification |
Μηχανική Μάθηση |
el |
heal.classification |
Ηλεκτρικά δίκτυα |
el |
heal.classification |
Τεχνητή νοημοσύνη |
el |
heal.language |
el |
|
heal.access |
free |
|
heal.recordProvider |
ntua |
el |
heal.publicationDate |
2023-07-07 |
|
heal.abstract |
Σκοπός της παρούσας διπλωματικής εργασίας είναι η υλοποίηση ενός μοντέλου για την πρόβλεψη του βραχυπρόθεσμου ηλεκτρικού φορτίου οικιακών συσκευών, μια κρίσιμη πτυχή της διαχείρισης του ενεργειακού συστήματος. Το μοντέλο θα υλοποιηθεί με τη χρήση ενός αναδρομικού νευρωνικού δικτύου (Recurrent Neural Network - RNN) σε περιβάλλον python, το οποίο θα είναι σε θέση να εντοπίζει μοτίβα και τάσεις και να προβλέπει τη μελλοντική ζήτηση. |
el |
heal.advisorName |
Γεωργιλάκης, Παύλος |
el |
heal.committeeMemberName |
Γκόνος, Ιωάννης |
el |
heal.committeeMemberName |
Κορρές, Γεώργιος |
el |
heal.academicPublisher |
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών |
el |
heal.academicPublisherID |
ntua |
|
heal.numberOfPages |
75 σ. |
el |
heal.fullTextAvailability |
false |
|