Primerjava modelov za napovedovanje porabe električne energije

diplomsko delo

Nik Novak (Avtor), Damjan Strnad (Mentor), Štefan Kohek (Komentor)

Povzetek

Uspešno napovedovanje porabe električne energije je pomembno z vidika ohranitve planeta, saj zaradi ustvarjanja viška porabljamo vire brez razloga. V diplomskem delu smo primerjali dva modela za napovedovanje porabe električne energije, in sicer nevronsko mrežo LSTM in model SARIMA za napovedovanje vrednosti v časovnih vrstah. Za testiranje modelov so bili uporabljeni podatki v tedenski ločljivosti, pridobljeni od podjetja Maked Energea, d. o. o. V rezultatih se je nevronska mreža LSTM pri uporabljenih nizih podatkov izkazala kot najboljša.

Ključne besede

strojno učenje;LSTM;RNN;SARIMA;napovedovanje;poraba električne energije;diplomske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2019
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik:	[N. Novak]
UDK:	621.311.68(043.2)
COBISS:	22786582
Št. ogledov:	715
Št. prenosov:	87
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Comparison of models for electricity consumption forecasting
Sekundarni povzetek:	Electricity consumption forecast is important for conservation of Earth, as excess energy production is using the resources for no reason. In this thesis, we compared two models for predicting power consumption, namely the LSTM neural network and the SARIMA model for time series forecasting. Tests were performed on weekly resolution data obtained from Maked Energea, d.o.o. In the results, the LSTM neural network showed the best performance on the used datasets.
Sekundarne ključne besede:	machine learning;LSTM;RNN;SARIMA;forecasting;energy consumption.;
Vrsta dela (COBISS):	Diplomsko delo/naloga
Komentar na gradivo:	Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani:	VI, 32 str.
ID:	11220710