Napenergia termelés előrejelzése deep neurális hálózatokkal

OData támogatás
Konzulens:
Nagy Gábor
Távközlési és Médiainformatikai Tanszék

Az alábbi dokumentumban ismertetem az utóbbi két félév munkáját, melyben olyan megoldásokon dolgoztam, melyek segítségével napkollektorok által termelt energia jelezhető előre. A téma kutatásának célja, hogy a megújuló energiaforrások előre jelezhetők és ezáltal olcsóbbá váljanak. Az előrejelzésekhez gépi tanulást megvalósító algoritmusokat használok, elsősorban neurális hálózatokat, de referenciaként implementálok még egyéb gyakran használt algoritmusokat. Először nagy vonalakban ismertetem az adatbányászat alapjait, majd a felhasznált adatszolgáltatók által kínált adatokat és az azokat hordozó fájlformátumokat, különös tekintettel a GRIB fájlokra. 78 különböző napkollektor farm adatait használtam fel, melyek órás bontásban állnak rendelkezésre. A különböző adathalmazokat illesztettem, tisztítottam, majd statisztikákat számoltam belőlük, melyeket vizualizáltam is. Az egyik adathalmazra alkalmaztam továbbá adatdúsítást, amit a korábbi időbélyeggel rendelkező adatok illesztésével értem el. A dokumentumban részletesen ismertetem a letöltő és átstrukturáló modulok működését és az implementálásuk folyamatát. Ismertetem továbbá a bevett adattranszformáló módszereket, melyek növelhetik a tanuló algoritmusok teljesítményét. Ismertetem majdan az általam implementált neurális hálókat és azt a folyamatot, mely során sikerült először is olyan modellt tanítanom, mely esetén konvergál a hiba, majdan elfogadható eredményeket produkáló hálót tanítani. A dokumentum végén kitérek a témában rejlő további lehetőségekre illetve a munkám és a használt adathalmaz esetleges erősségeire és gyengeségeire.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.