Generički okvir za predviđanje potrošnje plina različitim algoritmima

diplomski rad

• Naslov (engleski): Generic Framework for Gas Consumption Estimation
• Autor: Zlatan Sičanica
• Mentor: Boris Milašinović (mentor)
• Član povjerenstva: Boris Milašinović (predsjednik povjerenstva)
• Član povjerenstva: Ivica Botički (član povjerenstva)
• Član povjerenstva: Zdravko Galić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-11, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Problem predviđanja potrošnje plina ili električne energije čest je u području energetike. U Končar KET-u pokazana je potreba za programskim proizvodom koji bi rješavao problem prognoze potrošnje plina u Gradskoj plinari Zagreb. Cilj projekta je razviti takav proizvod koji bi, na temelju podataka o potrošnjama u prošlosti, radio što kvalitetnija predviđanja. Standardni pristup rješavanju takvog problema je kroz perspektivu strojnog učenja. Razvijen je generički programski okvir koji svojim korisnicima nudi razne funkcionalnosti poput pretprocesiranja povijesnih podataka o potrošnjama, konfiguriranja algoritama strojnog učenja i selekcije najboljeg algoritma na danom skupu podataka. Algoritmi iz programskog okvira su korišteni za prognoziranje potrošnje plina i njihovi rezultati su uspoređeni s rezultatima drugih, sličnih proizvoda poput ABB-ovog Nostradamusa. Dobiveni su zadovoljavajući rezultati, gdje su algoritmi iz programskog okvira u većini slučajeva imali bolje rezultate od drugih alata.

Sažetak (engleski)

Problem of gas or electric energy consumption prediction is common in the field of energetic. In Končar KET there is a need for a software product that would predict gas consumption in Zagreb gas plant. The goal of the project is to develop such a product that would, based on the empirical data, offer the predictions of the best quality. The standard approach to solving this problem is through the perspective of machine learning. A generic framework is developed that offers it's users various features like empirical data preprocessing, machine learning algorithm configuration or selection of the best algorithm on a given data set. Algorithms from the framework are used for predictions of gas consumption and their results are compared with other, similar tools like ABB's Nostradamus. Results are satisfactory, algorithms from the framework mostly had better results than algorithms from the other tools.

• Ključne riječi: Energetika; prognoziranje; regresija; strojno učenje; optimizacija; programski okvir
• Ključne riječi (engleski): Energetics; forecasting; regression; machine learning; optimization; framework
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:729523
• 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: 2019-03-14 00:40:37