Προβλέψεις παραγωγής από ανανεώσιμες πηγές ενέργειας: Προσεγγίσεις με επίκεντρο την ομοσπονδιακή μάθηση και την ιδιωτικότητα

Σαραντινόπουλος, Ευστάθιος Αλέξανδρος; Sarantinopoulos, Efstathios Alexandros

dc.contributor.author	Σαραντινόπουλος, Ευστάθιος Αλέξανδρος	el
dc.contributor.author	Sarantinopoulos, Efstathios Alexandros	en
dc.date.accessioned	2024-07-16T07:15:01Z
dc.date.available	2024-07-16T07:15:01Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59918
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27614
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Πρόβλεψη παραγωγής	el
dc.subject	Ομοσπονδιακή μάθηση	el
dc.subject	Διαφορική ιδιωτικότητα	el
dc.subject	Ανάλυση χρονοσειρών	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Ομαδοποίηση δεδομένων	el
dc.subject	Generation forecasting	en
dc.subject	Federated learning	en
dc.subject	Differential privacy	en
dc.subject	Time series analysis	en
dc.subject	Neural networks	en
dc.subject	Data clustering	en
dc.title	Προβλέψεις παραγωγής από ανανεώσιμες πηγές ενέργειας: Προσεγγίσεις με επίκεντρο την ομοσπονδιακή μάθηση και την ιδιωτικότητα	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.classification	Ανανεώσιμες πηγές ενέργειας	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-02-29
heal.abstract	Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή της ομοσπονδιακής μάθησης για την πρόβλεψη παραγωγής ενέργειας από ανανεώσιμες πηγές, με στόχο την επίτευξη ισορροπίας μεταξύ της ακρίβειας πρόβλεψης και της ιδιωτικότητας. Ξεκινά καλύπτοντας τις βασικές αρχές της ανάλυσης χρονοσειρών, της μηχανικής μάθησης και των νευρωνικών δικτύων που σχετίζονται με τις εργασίες πρόβλεψης. Ταυτόχρονα, εξετάζονται οι αρχές της ομοσπονδιακής μάθησης με εγγυήσεις διαφορικής ιδιωτικότητας, αναδεικνύοντας τις δυνατότητές τους για κατανεμημένη μάθηση με διατήρηση της ιδιωτικότητας. Μέσω πειραμάτων σε ένα σύνολο δεδομένων 30 μικρής κλίμακας παραγωγών/καταναλωτών ηλεκτρικής ενέργειας, η εργασία συγκρίνει την ομοσπονδιακή μάθηση έναντι της συγκεντρωτικής, της τοπικής και της ενισχυμένης με διαφορική ιδιωτικότητα ομοσπονδιακής μάθησης. Τα αποτελέσματα δείχνουν ότι ενώ η συγκεντρωτική αποδίδει την υψηλότερη ακρίβεια, η ομοσπονδιακή παρέχει μια πειστική εναλλακτική λύση, διατηρώντας την ιδιωτικότητα χωρίς σημαντική υποβάθμιση της απόδοσης. Η υλοποίηση με διαφορική ιδιωτικότητα, αν και προσφέρει ισχυρότερες εγγυήσεις ιδιωτικότητας έχει χαμηλότερη επίδοση από τις άλλες συγκεντρωτικές μεθόδους ενώ υπερισχύει της τοπικής. Ακόμη εξετάζεται μια πρωτοποριακή μέθοδος ομαδοποίησης των δεδομένων με βάση τις υπερπαραμέτρους των μοντέλων καθώς και η επίδραση της ομαδοποίησης στην απόδοση. Συμπερασματικά, η παρούσα διπλωματική εργασία επιβεβαιώνει τη βιωσιμότητα της ομοσπονδιακής μάθησης για την πρόβλεψη παραγωγής, ιδίως σε σενάρια ευαίσθητων δεδομένων. Ακόμη, προσφέρει πληροφορίες σχετικά με τους συμβιβασμούς επιδόσεων που σχετίζονται με τη διαφορική ιδιωτικότητα και διερευνά τον ρόλο της ομαδοποίησης δεδομένων σε περιπτώσεις όπου υπάρχουν περιορισμοί πρόσβασης στα δεδομένα.	el
heal.advisorName	Μαρινάκης, Ευάγγελος	el
heal.committeeMemberName	Μαρινάκης, Ευάγγελος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	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	92 σ.	el
heal.fullTextAvailability	false
heal.fullTextAvailability	false