prikaz prve stranice dokumenta Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana
No public access
undergraduate thesis
Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:152328
Hruza, Fran
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Hruza, F. (2023). Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:152328

Hruza, Fran. "Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:152328

Hruza, Fran. "Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:152328

Hruza, F. (2023). 'Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 17 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:152328

Hruza F. Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 November 17] Available at: https://urn.nsk.hr/urn:nbn:hr:168:152328

F. Hruza, "Primjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:152328

Metadata
TitlePrimjena metoda strojnog učenja u prognoziranju proizvodnje električne energije iz vjetroelektrana
Title (english)Machine learning application for wind farm production forecasting
AuthorFran Hruza
MentorNinoslav Holjevac (mentor)
Committee memberNinoslav Holjevac (predsjednik povjerenstva)
Committee memberMatija Zidar (član povjerenstva)
Committee memberTomislav Baškarad (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Rad daje pregled modela koji se danas koriste za predviđanje proizvodnje VE. Integriranje OIE, od kojih su među najzastupljenijim VE, zahtjeva pouzdana predviđanja električne energije u različitim vremenskim rezolucijama, od satne do godišnje prognoze. Izgradnjom jednostavnog LSTM modela neuronske mreže moguće je dobiti predviđanja čija se točnost može usporediti s komercijalnim alatima poput WPPT3 modela. Postupak izgradnje mreže započinje analizom podataka dobivenih iz SCADA sustava. Specifično, u radu su korišteni podatci VE Bruška. Analiziranjem podataka dobiven je pogled na vremenske uvjete u kojima VE radi i utemeljena je korelacija vremenskih čimbenika s proizvodnjom VE. Nakon analize, izgrađen je LSTM model koji je treniran i testiran na povijesnim podatcima kako bi na temelju temperature, atmosferskog pritiska, brzine i smjera vjetra mogao predvidjeti proizvodnju električne energije VE. Nakon treniranja i testiranja modela, temelju podataka dobivenih iz WRF modela za predviđanje vremenske prognoze dobivena su predviđanja koja su bila uspoređena sa stvarnom proizvodnjom u istom vremenskom periodu i predviđanjima iz WPPT3 modela te je utvrđeno da model ima vrlo dobre performanse usporedive s WPPT3 modelom.
Abstract (english)
The paper gives an overview of models that are used in today's predictions of wind farm power production. Integrating renewable energy sources, a significant percentage of which are made up of wind farms, demands reliable forecast of energy production in various time resolutions, from hourly to yearly forecasts. By building a simple LSTM neural network model, it is possible to achieve forecast whose accuracy is comparable to commercial tools like the WPPT3 model. The process of building the model starts with analysing data acquired from the SCADA system. Specifically, data from the Bruška wind farm were used. By analysing the data, the weather environment in which the wind farm operates, as well as the correlation between weather factors and wind farm power production were established. After analysing the data, an LSTM model was trained and tested on historical data to be able to predict the power production of wind farms based on temperature, air pressure, wind direction and wind speed. After training and testing, the model was used to predict power production based on weather data acquired from the WRF model for weather forecasting. The predictions were compared with actual production and predictions made by the WPPT3 model in the same time period. It was determined that the constructed model has very good performance, comperable with the WPPT3 model.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:152328
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 09:03:43