Adatelemzés az energetika szektorban Big Data és Machine Learning módszerekkel

OData támogatás
Konzulens:
Gáspár Csaba
Távközlési és Médiainformatikai Tanszék

Napjaink rohamos technológiai fejlődése alól az energetika szektor sem kivétel, folyamatosan forradalmasító okos megoldások és elemző mechanizmusok lepik el a piacot. Az interneten rengeteg publikusan elérhető energiapiaci adat lelhető már fel, ami kiváltképp serkenti az adatelemzés egyre nagyobb optimalizálási szerepét az energetikában. Az energiafelhasználás kulcsfontosságú kérdése a jövő ismerete, amit ma már egyre gyakrabban adatbányászati módszerekkel jelez előre az ipar.

Szakdolgozatomban bemutatom, ahogy létrehoztam egy előrejelző környezetet a villamosenergia várható fogyasztásának megállapítására. Ahhoz, hogy sikeresen lehessen a jövőbeli értékeket meghatározni, fontos megtalálni az energiafelhasználást befolyásoló tényezőket és ezen változókon futtatni a kiválasztott regressziós algoritmust, aminek eredményeképpen megkapjuk a predikciót végző modellt. Dolgozatom további részében a kvantilis regresszió bevezetésének fontosságára fókuszáltam, amely mechanizmus egy részletesebb képet ad az előrejelzés független változóinak feltételes eloszlásáról. Bemutatom az algoritmus matematikai és alkalmazási aspektusait, majd ismertetem, hogy implementáltam az előrejelző környezetbe. A módszerhez egy új kiértékelő és utófeldolgozó rendszert hoztam létre, amely tovább optimalizálta a becslések eredményét, majd elvégeztem a felhasznált technikák összehasonlítását és az elért eredmények összegzését.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.