prikaz prve stranice dokumenta Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža
Rad nije dostupan
diplomski rad
Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. urn:nbn:hr:168:715615
Pilek, Ratko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Pilek, R. (2015). Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:715615

Pilek, Ratko. "Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:715615

Pilek, Ratko. "Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:715615

Pilek, R. (2015). 'Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:715615

Pilek R. Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2015 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:715615

R. Pilek, "Predikcija potrošnje električne energije primjenom dubokih neuronskih mreža", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2015. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:715615

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:715615
Podaci o radu
NaslovPredikcija potrošnje električne energije primjenom dubokih neuronskih mreža
Naslov (engleski)Energy load forecasting with deep neural networks
AutorRatko Pilek
MentorMato Baotić (mentor)
Član povjerenstvaMato Baotić (predsjednik povjerenstva)
Član povjerenstvaNedjeljko Perić (član povjerenstva)
Član povjerenstvaMario Vašak (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2015-07-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Predviđanje potrošnje električne energije vrlo je važno za očuvanje stabilnosti elektroenergestkog sustava. U ovom radu, potrošnja električne energije se predviđa pomoću dubokih MLP mreža. MLP mreža se inicijalizira na dva načina: uniformnom inicijalizacijom i pomoću naslaganih auto-enkodera. S ciljem boljeg predviđanja potrošnje, hiper-parametri MLP mreže i naslaganih auto-enkodera optimiraju se pomoću genetičkog algoritma. Pri optimiranju hiper-parametara treba posebnu pažnju posvetiti postavljanju dozvoljenih granica parametara pri optimiranju. Ostvareni rezultati pokazuju da s manjim setovima podataka veću točnost ima MLP mreža koja je uniformno inicijalizirana. S porastom broja podataka bolje rezultate ostvaruje MLP mreža inicijalizirana pomoću nalsaganih auto-enkodera.
Sažetak (engleski)
Energy load forecasting has an important roll in stability of an electric power system. In this thesis, energy load forecasting is achieved by deep MLP networks. The MLP network is initialized in two ways: with uniform initialization and by a Stacked Autoencoder. With an aim of accurate energy load prediction, hyper-parameters of the MLP network and Stacked Autoencoder are optimized with a genetic algorithm. During hyper-parameter optimization it is needed to pay attention to the lower and upper boundaries of hyper-parameters. The results show that with a smaller set of data the MLP network with a uniform parameter initialization is producing better results. On the other hand, if the data set is increasing the MLP network initialized by the Autoencoder is producing better results.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:715615
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2018-02-06 11:18:20