Πρόβλεψη τιμών αγορών ηλεκτρικής ενέργειας.

Μακρής, Αντώνιος; Makris, Antonios

dc.contributor.author	Μακρής, Αντώνιος	el
dc.contributor.author	Makris, Antonios	en
dc.date.accessioned	2024-03-01T14:26:51Z
dc.date.available	2024-03-01T14:26:51Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58957
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26653
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	Δέντρα Αποφάσεων	el
dc.subject	Multivariate Regression	en
dc.subject	ARIMA Models	en
dc.subject	Decision Trees	en
dc.subject	Pre-Day Electricity Market	en
dc.subject	Electricity Markets	en
dc.subject	Multilayer Perceptron	en
dc.subject	Neural Networks	en
dc.subject	Random Forest	en
dc.subject	Energy Exchange	en
dc.subject	Price forecasting	en
dc.subject	Αγορές Ηλεκτρικής Ενέργειας	el
dc.subject	Χρηματιστήριο Ενέργειας	el
dc.subject	Προ-Ημερήσια Αγορά ηλεκτρικής ενέργειας	el
dc.subject	Πρόβλεψη τιμής εκκαθάρισης	el
dc.subject	Μοντέλα ARIMA	el
dc.subject	Πολύ-μεταβλητή Παλινδρόμηση	el
dc.subject	Χρονοσειρές	el
dc.subject	Τυχαία Δέντρα	el
dc.subject	Νευρωνικά Δίκτυα	el
dc.title	Πρόβλεψη τιμών αγορών ηλεκτρικής ενέργειας.	el
heal.type	masterThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Ηλεκτρική Ενέργεια	el
heal.classification	Αγορές Ηλεκτρικής Ενέργειας	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-26
heal.abstract	Σκοπός της παρούσας διπλωματικής, είναι η πρόβλεψη των τιμών ηλεκτρικής ενέργειας στην Ελληνική Αγορά Επόμενης Μέρας. Η μεγάλη μεταβλητότητα που παρουσιάζει η τιμή της ηλεκτρικής ενέργειας καθιστά πολύ σημαντική την πρόβλεψη. Επειδή οι αγορές ηλεκτρικής ενέργειας, είναι πολύ-παραγοντικά συστήματα, θα γίνει μια ανάλυση της λειτουργίας τους και των παραγόντων που την επηρεάζουν. Μάλιστα στην παρούσα διπλωματική εργασία θα αναλυθούν τα είδη των αγορών ηλεκτρικής ενέργειας, η χρησιμότητας τους και ο ρόλος των συμμετεχόντων. Επιπλέον θα γίνει αναφορά στη διαδικασία μετάβασης από τα μονοπώλια στα χρηματιστήρια ενέργειας τόσο σε Ευρωπαϊκό όσο και σε Ελληνικό επίπεδο. Έπειτα θα γίνει ανάλυση των μεθόδων πρόβλεψης και του ρόλου τους στο σύγχρονο αυτό περιβάλλον των ενεργειακών αγορών. Θα γίνει σύντομη εισαγωγή στα μοντέλα μηχανικής μάθησης και στην λειτουργία των νευρωνικών δικτύων. Η πρόβλεψη θα πραγματοποιηθεί με τη χρήση γλώσσας προγραμματισμού Python, σε περιβάλλον Jupytrer Notebooks. Σαν βασική μέθοδο πρόβλεψης θα εφαρμοστούν κλασσικά στατιστικά μοντέλα όπως τα ARIMA, ενώ θα εξετασθεί η βελτίωση των προβλέψεων με τη χρήση μοντέλων μηχανικής μάθησης (machine learning) όπως η πολύ-μεταβλητή παλινδρόμηση (Multivariate Regression), τα τυχαία δέντρα (Random Forest) και τα νευρωνικά δίκτυα. Συγκεκριμένα θα κατασκευαστεί ένας πολύ-επίπεδος αισθητήρας (MLP) το οποίο είναι ένα βασικό νευρωνικό δίκτυο πρόσθιας τροφοδότησης. Τέλος τα μοντέλα θα αξιολογηθούν τόσο ως προς τις προβλέψεις τους σε διαστήματα τιμών όσο και σε ωριαίο επίπεδο.	el
heal.advisorName	Παπαθανασίου, Στάυρος	el
heal.committeeMemberName	Παπαθανασίου, Στάυρος	el
heal.committeeMemberName	Καρέλλας, Σωτήριος	el
heal.committeeMemberName	Ριζιώτης, Βασίλειος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	113 σ.	el
heal.fullTextAvailability	false