Применение алгоритмов машинного обучения в возобновляемой энергетике
Аннотация
Целью выпускной квалификационной работы является демонстрация возможностей применения алгоритмов машинного обучения в сфере возобновляемой энергетики. В качестве примера осуществлено прогнозирование мощности на наборе данных, который содержит информацию о выработке выходной мощности фотоэлектрических панелей, расположенных на 12 разных площадках в северном полушарии, за промежуток в 14 месяцев.
ВКР состоит из пояснительной записки и презентации, которая представляет собой краткое описание проделанной работы.
В процессе выполнения выпускной квалификационной работы рассмотрены различные алгоритмы машинного обучения, принципы их работы. Также исследованы задачи энергетического сектора, которые может выполнять машинное обучение. Проанализированы результаты прогнозирования вырабатываемой мощности при помощи метрик качества алгоритмов машинного обучения.
Пояснительная записка состоит из 84 с., 4 глав, 41 рис., 1 таблицы, 32 формул, 13 источников.
Ключевые слова: возобновляемые источники энергии, машинное обучение, цифровизация.
ABSTRACT
The purpose of the Master's dissertation is to demonstrate the possibilities of using machine learning algorithms in the field of renewable energy. As an example, a power prediction was performed on a dataset that contains information on the output power generation of photovoltaic panels located at 12 different sites in the northern hemisphere over a period of 14 months.
The final qualifying work consists of explanatory note and a presentation, which is a summary of the work done.
In the process of completing the final qualification work, various machine learning algorithms and the principles of their work are considered. The tasks of the energy sector that machine learning can perform are also explored. The results of predicting the generated power using quality metrics of machine learning algorithms are analyzed.
The explanatory note consists of 84 pages, 4 chapters, 41 figures, 1 table, 32 formulas, 13 sources.
Key words: renewable energy sources, machine learning, digitalization.
ВКР состоит из пояснительной записки и презентации, которая представляет собой краткое описание проделанной работы.
В процессе выполнения выпускной квалификационной работы рассмотрены различные алгоритмы машинного обучения, принципы их работы. Также исследованы задачи энергетического сектора, которые может выполнять машинное обучение. Проанализированы результаты прогнозирования вырабатываемой мощности при помощи метрик качества алгоритмов машинного обучения.
Пояснительная записка состоит из 84 с., 4 глав, 41 рис., 1 таблицы, 32 формул, 13 источников.
Ключевые слова: возобновляемые источники энергии, машинное обучение, цифровизация.
ABSTRACT
The purpose of the Master's dissertation is to demonstrate the possibilities of using machine learning algorithms in the field of renewable energy. As an example, a power prediction was performed on a dataset that contains information on the output power generation of photovoltaic panels located at 12 different sites in the northern hemisphere over a period of 14 months.
The final qualifying work consists of explanatory note and a presentation, which is a summary of the work done.
In the process of completing the final qualification work, various machine learning algorithms and the principles of their work are considered. The tasks of the energy sector that machine learning can perform are also explored. The results of predicting the generated power using quality metrics of machine learning algorithms are analyzed.
The explanatory note consists of 84 pages, 4 chapters, 41 figures, 1 table, 32 formulas, 13 sources.
Key words: renewable energy sources, machine learning, digitalization.