prikaz prve stranice dokumenta Generički okvir za predviđanje potrošnje plina različitim algoritmima
No public access
master's thesis
Generički okvir za predviđanje potrošnje plina različitim algoritmima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. urn:nbn:hr:168:729523
Sičanica, Zlatan
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Sičanica, Z. (2017). Generički okvir za predviđanje potrošnje plina različitim algoritmima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica, Zlatan. "Generički okvir za predviđanje potrošnje plina različitim algoritmima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica, Zlatan. "Generički okvir za predviđanje potrošnje plina različitim algoritmima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica, Z. (2017). 'Generički okvir za predviđanje potrošnje plina različitim algoritmima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 29 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica Z. Generički okvir za predviđanje potrošnje plina različitim algoritmima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2017 [cited 2024 August 29] Available at: https://urn.nsk.hr/urn:nbn:hr:168:729523

Z. Sičanica, "Generički okvir za predviđanje potrošnje plina različitim algoritmima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:168:729523

Metadata
TitleGenerički okvir za predviđanje potrošnje plina različitim algoritmima
Title (english)Generic Framework for Gas Consumption Estimation
AuthorZlatan Sičanica
MentorBoris Milašinović (mentor)
Committee memberBoris Milašinović (predsjednik povjerenstva)
Committee memberIvica Botički (član povjerenstva)
Committee memberZdravko Galić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2017-07-11, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Problem predviđanja potrošnje plina ili električne energije čest je u području energetike. U Končar KET-u pokazana je potreba za programskim proizvodom koji bi rješavao problem prognoze potrošnje plina u Gradskoj plinari Zagreb. Cilj projekta je razviti takav proizvod koji bi, na temelju podataka o potrošnjama u prošlosti, radio što kvalitetnija predviđanja. Standardni pristup rješavanju takvog problema je kroz perspektivu strojnog učenja. Razvijen je generički programski okvir koji svojim korisnicima nudi razne funkcionalnosti poput pretprocesiranja povijesnih podataka o potrošnjama, konfiguriranja algoritama strojnog učenja i selekcije najboljeg algoritma na danom skupu podataka. Algoritmi iz programskog okvira su korišteni za prognoziranje potrošnje plina i njihovi rezultati su uspoređeni s rezultatima drugih, sličnih proizvoda poput ABB-ovog Nostradamusa. Dobiveni su zadovoljavajući rezultati, gdje su algoritmi iz programskog okvira u većini slučajeva imali bolje rezultate od drugih alata.
Abstract (english)
Problem of gas or electric energy consumption prediction is common in the field of energetic. In Končar KET there is a need for a software product that would predict gas consumption in Zagreb gas plant. The goal of the project is to develop such a product that would, based on the empirical data, offer the predictions of the best quality. The standard approach to solving this problem is through the perspective of machine learning. A generic framework is developed that offers it's users various features like empirical data preprocessing, machine learning algorithm configuration or selection of the best algorithm on a given data set. Algorithms from the framework are used for predictions of gas consumption and their results are compared with other, similar tools like ABB's Nostradamus. Results are satisfactory, algorithms from the framework mostly had better results than algorithms from the other tools.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:729523
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2019-03-14 00:40:37