| Název: | Možnosti využitelnosti metod umělé inteligence v oblasti chytrých sítí (SmartGrids) |
| Další názvy: | Applicability potential of artificial intelligence in SmartGrids |
| Autoři: | Louda, Jan |
| Vedoucí práce/školitel: | Střelec Martin, Ing. Ph.D. |
| Oponent: | Fetter Miloš, Ing. |
| Datum vydání: | 2022 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | bakalářská práce |
| URI: | http://hdl.handle.net/11025/50153 |
| Klíčová slova: | elektrická síť;chytrá síť;účastníci trhu s elektřinou;simulační model;predikční model;metody strojového učení |
| Klíčová slova v dalším jazyce: | electrical network;smart grid;electricity market participants;simulation model;prediction model;machine learning methods |
| Abstrakt: | V teoretické části této bakalářské práce je nejprve krátce popsán současný stav přenosu elektřiny a nástup moderních chytrých sítí. Následně byly identifikovány případy užití funkcionalit chytrých sítí, kde byl vybrán jeden případ (modelování chování skupiny odběrných míst) pro detailní analýzu. Při té byli specifikováni relevantní účastníci trhu a jejich motivace znalosti chování skupiny odběrných míst. Cílem praktické části je vytvoření simulačních a predikčních modelů chování skupiny odběrných míst pro široké využití v oblasti jednotlivých stakeholderů. K tomu jsou využity metody strojového učení, jejichž výsledky jsou důkladně vyhodnoceny. |
| Abstrakt v dalším jazyce: | The current status of the power system domain and transition toward modern smart grids are briefly described in the theoretical part of this bachelor's thesis. Then, use cases relevant to the smart grid domain were identified and one of them was chosen for detailed analysis (behavior modeling of customers group). In this use case, relevant market participants and their motivation in behavioral knowledge of a customer group were discussed. The goal of the practical part is the creation of simulation and prediction models of customer groups for wider use in various stakeholders' domains. Finally, selected machine learning methods were used for the development of appropriate data-driven models, which were properly validated and their quality was clearly assessed. |
| Práva: | Plný text práce je přístupný bez omezení |
| Vyskytuje se v kolekcích: | Bakalářské práce / Bachelor´s works (KKY) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| BP_Louda_final_el.pdf | Plný text práce | 5,34 MB | Adobe PDF | Zobrazit/otevřít |
| Louda_V.pdf | Posudek vedoucího práce | 451,22 kB | Adobe PDF | Zobrazit/otevřít |
| Louda_O.pdf | Posudek oponenta práce | 440,33 kB | Adobe PDF | Zobrazit/otevřít |
| Louda_P.pdf | Průběh obhajoby práce | 220,55 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/50153Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.