Naslov magistrskega dela: Napovedovanje značilnosti sej za polnilnice električnih vozil

Povzetek:

Hitra širitev polnilnih postaj in uporabe električnih vozil (EV) predstavlja obremenitev za obstoječa elektroenergetska omrežja, kar narekuje potrebo po pametnih sistemih za upravljanje energije (ang. EMS), ki temeljijo na natančnem napovedovanju. Magistrsko delo raziskuje stohastično naravo polnjenja EV s sistematičnim vrednotenjem treh paradigm napovedovanja – agregirane zasedenosti omrežja, parametrov posamezne seje ob priklopu in generativnega zaporedja sej. Na podlagi realnih podatkovnih zbirk s polnilnih postaj ob poslovnih stavbah in z uporabo strategij prenesenega učenja smo ovrednotili nabor modelov – od klasičnega strojnega učenja do najsodobnejših transformerskih arhitektur. Rezultati kažejo, da agregirano napovedovanje s prilagojenimi transformerji dosega visoko natančnost in je zrelo za implementacijo v EMS. Nasprotno pa ostaja napovedovanje na ravni posamezne seje zahtevno zaradi vedenjske variabilnosti in pomanjkanja značilk. Vendar pa predlagani avtoregresijski model uspešno zajame makronivojske vzorce polnilnih sej, kar je kljub omejeni deterministični natančnosti ključno za stohastične simulacije omrežja.

Mentor: izr. prof. dr. Jure Demšar

Komisija za zagovor:

prof. dr. Erik Štrumbelj (predsednik),

izr. prof. dr. Matevž Pesek (član),

doc. dr. Rok Rupnik (član).

Prostor: Diplomska soba