Naslov magistrskega dela: Napovedovanje porabe elektrike s pomočjo strojnega učenja in matričnega profiliranja

Povzetek: Pomemben del v verigi dobavljanja električne energije so prodajalci, ki skrbijo za dobavo električne energije končnim uporabnikom. Točne kratkoročne napovedi porabe zmanjšajo skrbi o presežkih in primanjkljajih, ki so del njihovega vsakdana. V ta namen se uporablja širok nabor metod za analizo časovnih vrst (avtokorelacija, dekompozicija, motivi, diskordi) in njihovo napovedovanje (drevesne metode, globoko učenje, statistične metode). Pred nekaj leti se je pojavila metoda za hiter izračun matričnega profila, ki omogoča preprosto zaznavanje motivov in diskordov. Z uporabo matričnih profilov analiziramo podatkovno množico (gospodinjski odjem v Mariboru) in prepoznamo področja, na katerih je smiselno iskati relevantne značilke. V našem delu se osredotočimo predvsem na gospodinjski odjem, za katerega smo zgradili modele, ki napovedujejo porabo na uro natančno. Primerjamo različne modele in analiziramo napako glede na različne nabore značilk. Najboljši nabor značilk apliciramo tudi na ločeno podatkovno množico in primerjamo točnost med obema. Predstavimo tudi metodo, ki uporabi matrični profil za generiranje značilk. Rezultati nakazujejo, da lahko podoben nabor značilk uporabimo na različnih podatkovnih množicah porabe električne energije in pričakujemo dobre rezultate.

Mentor: izr. prof. dr. Matjaž Kukar

Komisija za zagovor:​

prof. dr. Igor Kononenko, predsednik

prof. dr. Marko Robnik Šikonja, član

prof. dr. Zoran Bosnić, član

Povezava do video kanala, po katerem se bo prenašal zagovor in ga bo možno spremljati, bo dodana najkasneje na dan zagovora (predvidoma 30 minut pred terminom izvedbe zagovora) na spletni strani: https://ucilnica.fri.uni-lj.si/course/view.php?id=358.