prikaz prve stranice dokumenta Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije
No public access
master's thesis
Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. urn:nbn:hr:168:929995
Vidić, Antonio
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Vidić, A. (2020). Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:929995

Vidić, Antonio. "Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:929995

Vidić, Antonio. "Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:929995

Vidić, A. (2020). 'Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 07 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:929995

Vidić A. Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2020 [cited 2024 August 07] Available at: https://urn.nsk.hr/urn:nbn:hr:168:929995

A. Vidić, "Metodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:168:929995

Metadata
TitleMetodologija predviđanja potrošnje električne energije primjenom algoritama umjetne inteligencije
Title (english)The Methodology for Electricity Forecasting Using Artificial Intelligence Algorithms
AuthorAntonio Vidić
MentorSlavko Krajcar (mentor)
Committee memberSlavko Krajcar (predsjednik povjerenstva)
Committee memberIvan Rajšl (član povjerenstva)
Committee memberPerica Ilak (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2020-07-09, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
Nastup opskrbljivača na tržištu električnom energijom zahtjevan je tehno-ekonomski proces, prije svega zbog visoke neizvjesnosti potrošnje potrošača. U radu je dan kratak pregled metodologije predviđanja potrošnje kroz povijest, sve do suvremenih algoritama umjetne inteligencije. Opisani su ključni parametri i izazovi za predviđanje potrošnje (temperatura, vjetar, sezonalnost, dani u tjednu i sl.) te razlike u krivuljama potrošnje karakterističnih skupina potrošača električne energije. Prema pravilima koje je propisao HEP-ODS d.o.o. opisana je metodologija predviđanja potrošnje električne energije specifičnog portfelja kupaca koje opskrbljuje opskrbljivač. LSTM model predviđanja potrošnje električne energije u ovome radu pripada skupini naprednih neuronskih mreža, a izrađen je upotrebom programskog jezika Python. Modelom se predviđa potrošnja električne energije distribucije te potrošnja svih potrošača u distribucijskom sustavu opremljenih intervalnim brojilom, nakon čega se primjenjuje metodologija predviđanja potrošnje za specifičan portfelj kupaca. Pokazatelji točnosti predviđanja potrošnje električne energije ovog modela su srednja apsolutna postotna pogreška te srednja apsolutna pogreška. Nakon izračuna potrošnje električne energije specifičnog portfelja kupaca opisan je izračun troškova energije uravnoteženja nastalih odstupanjem predviđene potrošnje od ostvarene potrošnje električne energije.
Abstract (english)
The appearance of suppliers on the electricity market is a demanding techno-economic process, primarily due to the high uncertainty of consumer consumption. The paper gives a brief overview of the methodology for predicting consumption throughout history, all the way to modern artificial intelligence algorithms. The key parameters and challenges for forecasting consumption (temperature, wind, seasonality, days of the week, etc.) and the differences in the consumption curves of characteristic groups of electricity consumers are described. The methodology for predicting the electricity consumption of a specific customer portfolio supplied by a supplier is described according to the rules prescribed by HEP-ODS d.o.o.. The LSTM model for predicting electricity consumption in this paper belongs to the group of advanced neural networks, and was developed using the Python programming language. The model predicts the consumption of electricity distribution and the consumption of all consumers in the distribution system equipped with an interval meter, after which the methodology of consumption forecasting for a specific customer portfolio is applied. The indicators of the accuracy of forecasting the electricity consumption for this model are the mean absolute percentage error and the mean absolute error. After calculating the electricity consumption of a specific customer portfolio, the calculation of balancing energy costs incurred by the deviation of the projected consumption from the realized electricity consumption is described.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:929995
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 on2023-01-13 09:23:04