Energia fogyasztás előrejelzés adatbányászati módszerekkel

OData támogatás
Konzulens:
Nagy Gábor
Távközlési és Médiainformatikai Tanszék

A diplomamunkám témája a rövid, közép és hosszútávú elektromos energia előrejelzés, hőmérséklet előrejelzések alapján. Az energia fogyasztás előrejelzése az elektromosság elterjedése óta fontos problémája a termelésben és a felhasználásba résztvevő érintetteknek egyaránt. Az erőforrások optimális felhasználása, és a kereslet és kínálati egyensúly fenntartása miatt, jelentős üzleti igény mutatkozik a pontos előrejelzések iránt. A szakdolgozat első felében a releváns szakirodalomban használt predikciós és kiértékelési módszereket és technikákat ismertetem. Különösképpen az ARIMA modellekre, regresszió analízis módszereire és a mesterséges neurális hálózatokra térek ki. Ezt követően pedig, a megismert eszközöket kipróbálva összehasonlítom a különböző előrejelzéseket, törekedve a legjobb modell kiválasztására és a tervezési hiba minimalizálására. Az ehhez szükséges energia felhasználási adatokat az ENTSO-E oldaláról töltöm le web scraping segítségével, míg az időjárási adatokat pedig az ECMWF szervezet data centeréből, az erre alkalmatos web és grib API-kon keresztül. Nagy hangsúlyt fektetek a letöltött adatok megismerésére, leíró statisztikák, és egyéb elemzések segítségével. Ez fontos minél több, a prediktásnál is jól használható és releváns új változók generálásához, ezzel is növelve a pontos előrejelzések esélyeit. A talált összefüggéseknek, terv-tény idősorok összehasonlításának, és az előrejelzési hibák kiértékelésének ábrázolása is a szakdolgozat részét képezi. Az implementáció megvalósítása, úgy mint az adatletöltés, modellezés, kiértékelés és vizualizáció, python programozási nyelven történik.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.