Βραχυπρόθεσμη πρόβλεψη ηλεκτρικής ζήτησης οικιακών φορτίων με χρήση αναδρομικών νευρωνικών δικτύων

Παπαλουκάς, Γεώργιος; Papaloukas, Georgios

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