prikaz prve stranice dokumenta Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela
No public access
master's thesis
Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:810646
Kuprešak, Tea
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kuprešak, T. (2021). Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:810646

Kuprešak, Tea. "Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:810646

Kuprešak, Tea. "Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:810646

Kuprešak, T. (2021). 'Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:810646

Kuprešak T. Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:168:810646

T. Kuprešak, "Kratkoročna predikcija potrošnje električne energije primjenom regresijskih modela", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:810646

Metadata
TitleKratkoročna predikcija potrošnje električne energije primjenom regresijskih modela
Title (english)Short-term prediction of electrical energy consumtion using regression models
AuthorTea Kuprešak
MentorJadranko Matuško (mentor)
Committee memberJadranko Matuško (član povjerenstva)
Committee memberŠandor Ileš (član povjerenstva)
Committee memberŽeljko Jakopović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-15, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
Većina metoda predikcije potrošnje električne energije koristi statističke metode ili algoritme s umjetnom inteligencijom poput regresijskih postupaka, neuronskih mreža, neizrazite logike i ekspertnih sustava. U radu je analizirana primjena regresijskih postupaka za kratkoročnu predikciju potrošnje električne energije u Poslovnici Livno, korištenjem dva različita programska okruženja. Temeljem dobivenih podataka o potrošnji električne energije, tipu dana i blagdana, te meteoroloških podataka koji služe kao prediktori za prognozu potrošnje, dobiven je regresijski model unutar programskog okruženja PSI Control. Model prognoze ponaša se kao prilagodba putem Kalmanova filtra. Regresijski model implementiran je i unutar programskog okruženja Matlab te je obavljena statistička i grafička analiza predikcije potrošnje odabranog regresijskog modela.
Abstract (english)
Most methods of predicting electricity consumption use statistical methods or algorithms with artificial intelligence such as regression procedures, neural networks, fuzzy logic, and expert systems. In this thesis was analyzed use of regression procedures for short-term prediction of electricity consumption in the Livno Branch, using two different software environments. Based on the obtained data of electricity consumption, type of days and holidays, and meteorological data that serve as predictors for the consumption forecast, a regression model was obtained within the PSI Control software environment. The forecast model acts as an adjustment via the Kalman filter. The regression model was also implemented within the Matlab software environment, and a statistical and graphical analysis of the consumption prediction of the selected regression model was performed.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:810646
Study programmeTitle: Electrical Engineering and Information Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-15 10:39:05