Predviđanje potrošnje električne energije korištenjem analize vremenskih serija

diplomski rad

• Naslov (engleski): Energy Consumption Prediction Using Time Series Analysis
• Autor: Ana Vuković
• Mentor: Marin Šilić (mentor)
• Član povjerenstva: Marin Šilić (predsjednik povjerenstva)
• Član povjerenstva: Goran Delač (član povjerenstva)
• Član povjerenstva: Klemo Vladimir (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-04, Hrvatska

Sažetak

Rad se bavi analizom vremenskih serija i primjenom metoda strojnog učenja za predviđanje vremenskih serija, konkretno potrošnje električne energije. Detaljno se opisuju metode analize vremenskih serija, uključujući autokorelaciju, pomični prosjek, stacionarnost i dekompoziciju vremenskih serija. Dio rada istražuje primjenu metoda strojnog učenja za predviđanje vremenskih serija, gdje se opisuju inženjering značajki, strategije predviđanja, validacija modela strojnog učenja i mjere uspješnosti. Odabrani modeli strojnog učenja, XGBoost, regresija potpornim vektorima i višeslojni perceptron koriste se za predviđanje potrošnje električne energije u Hrvatskoj. Rezultati rada upućuju na korisnost upotrebe temperature kao značajke u predviđanju i zadovoljavajuće rezultate predviđanja potrošnje električne energije modelima strojnog učenja.

Sažetak (engleski)

The paper focuses on the analysis of time series and the application of machine learning methods for predicting time series, specifically electricity consumption. The methods for time series analysis are described in detail, including autocorrelation, moving average, stationarity, and time series decomposition. A portion of the paper explores the application of machine learning methods for time series prediction, discussing feature engineering, prediction strategies, model validation, and performance measures. Selected machine learning models, namely XGBoost, support vector regression, and multilayer perceptron, are used to predict electricity consumption in Croatia. The results of the study indicate the usefulness of using temperature as a feature for prediction and demonstrate satisfactory prediction results of electricity consumption using machine learning models.

• Ključne riječi: analiza vremenskih serija; strojno učenje; predviđanje potrošnje električne energije
• Ključne riječi (engleski): time series analysis; machine learning; electricity consumption prediction
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:944422
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-10-11 11:00:28