Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Mužík Václav, Ing. Ph.D. | |
dc.contributor.author | Müller, Vojtěch | |
dc.contributor.referee | Noháč Karel, Doc. Ing. Ph.D. | |
dc.date.accepted | 2021-6-14 | |
dc.date.accessioned | 2021-11-26T13:03:07Z | - |
dc.date.available | 2020-10-9 | |
dc.date.available | 2021-11-26T13:03:07Z | - |
dc.date.issued | 2021 | |
dc.date.submitted | 2021-5-27 | |
dc.identifier | 85605 | |
dc.identifier.uri | http://hdl.handle.net/11025/46075 | - |
dc.description.abstract | Předkládaná diplomová práce se zabývá parametrickým modelováním spotřeby elektrické energie za pomoci prediktivních metod. V první části práce je zpracován průzkum současných trendů v oblasti prediktivních metod. Z možností, které průzkum poskytl, byly vybrány dvě metody, které byly dále důkladně zpracovány. Následně je rozebrána aplikovatelnost programového vybavení a jeho nástrojů na poskytnutých datech. Výchozím programem je výpočetní prostředí Matlab a dále je také využito prostředí Scikit learn, které je vyvinuto v Pythonu. Poskytnutá naměřená data jsou použita na připravené metody a jsou diskutovány výsledky z různých míst elektrizační soustavy. V další části práce je navržen systém pro online monitoring a s ním spojené řízení čtvrthodinového maxima. V závěru práce je zhodnocena aplikace tématu s ohledem na přítomnost elektromobility a bateriových uložišť v okolní síti a dále je provedena patřičná diskuse všech dosažených výsledků. | cs |
dc.format | 80 s. (117 805 znaků) | |
dc.language.iso | cs | |
dc.publisher | Západočeská univerzita v Plzni | |
dc.relation.isreferencedby | https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=85605 | - |
dc.rights | Plný text práce je přístupný bez omezení | |
dc.subject | elektrická energie | cs |
dc.subject | predikce spotřeby | cs |
dc.subject | umělá neuronová síť | cs |
dc.subject | metoda zpětného šíření (backpropagation) | cs |
dc.subject | rozhodovací stromy | cs |
dc.subject | tréninkové vzory | cs |
dc.subject | odebíraný výkon | cs |
dc.subject | maximální zatížení | cs |
dc.subject | pološpičkové zatížení | cs |
dc.subject | diagram zatížení | cs |
dc.subject | distribuční transformátor | cs |
dc.subject | velkoodběratel | cs |
dc.subject | elektromobilita | cs |
dc.subject | bateriové uložiště. | cs |
dc.title | Parametrické modelování spotřeby elektrické energie pomocí prediktivních metod | cs |
dc.title.alternative | Parametrical load modelling using predictive methods | en |
dc.type | diplomová práce | |
dc.thesis.degree-name | Ing. | |
dc.thesis.degree-level | Navazující | |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta elektrotechnická | |
dc.thesis.degree-program | Elektrotechnika a informatika | |
dc.description.result | Obhájeno | |
dc.description.abstract-translated | This diploma thesis deals with parametric load modeling using predictive methods. The first part of the thesis is a research of current trends in predictive methods. From the options provided by the research, two methods were selected and further elaborated. Subsequently, the applicability of software and its tools to the provided data is discussed. The default program is the computing environment Matlab and the Scikit-learn environment is also used, which is developed in Python. The provided measured data were used for the prepared methods and the results from various places of the electrical system are discussed. In the next part of the work, a system for online monitoring and associated control of the quarter-hour maximum is proposed. At the end of the work, the application of the topic is evaluated with regard to the presence of electromobility and battery storage in the surrounding network and a proper discussion of all achieved results is made. | en |
dc.subject.translated | electrical energy | en |
dc.subject.translated | consumption prediction | en |
dc.subject.translated | artificial neural network | en |
dc.subject.translated | backpropagation method | en |
dc.subject.translated | decision trees | en |
dc.subject.translated | training patterns | en |
dc.subject.translated | maximum load | en |
dc.subject.translated | half-peak load | en |
dc.subject.translated | power consumption | en |
dc.subject.translated | load diagram | en |
dc.subject.translated | distribution transformer | en |
dc.subject.translated | large customer | en |
dc.subject.translated | electromobility | en |
dc.subject.translated | battery storage. | en |
Vyskytuje se v kolekcích: | Diplomové práce / Theses (KEE) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
Vojtech_Muller_Diplomova_prace.pdf | Plný text práce | 4,47 MB | Adobe PDF | Zobrazit/otevřít |
PosudekOponentaSTAG.pdf | Posudek oponenta práce | 39,54 kB | Adobe PDF | Zobrazit/otevřít |
PosudekVedoucihoSTAG.pdf | Posudek vedoucího práce | 38,11 kB | Adobe PDF | Zobrazit/otevřít |
ProtokolSPrubehemObhajobySTAG.pdf | Průběh obhajoby práce | 23,73 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/46075
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.