Koostööl põhinev lähenemisviis suuremahuliseks elektritarbimiseks liitõppe abil
Nimi
Canberk Özen
Kokkuvõte
Energianõudluse prognoosimine on energiatööstuses tasakaalu hoidmiseks ülioluline teema pakkumise ja nõudluse vahel, hoides seega võrgu tõhusas töös. Taastuvate energiaallikate kasutuselevõtt tarnimisel muudab prognoosimisprobleemi üha olulisemaks, kuna need toovad võrku lisaks tarbijate energiakasutusharjumustele täiendavat ebakindlust. Ebakindlus nõudluse prognoosimisel saab teoreetiliselt ületada tsentraliseeritud ennustusmudeli abil, mis võtab arvesse tarbijate varasema elektrikasutuse. Praktikas on aga energiavajaduse prognoosimine kasutajate mure oma energiaandmete privaatsuse ja mastaapsuse pärast selle salvestamist, lisaks mudeli värskenduste õigeaegsele lõpuleviimisele. Mõlemad probleemid võivad olla lahendatud, kui tsentraliseeritud koolituse paradigma asendatakse liitkoolitusega, kus iga leibkond koolitab oma mudelit kohapeal ja tsentraliseeritud server toimib ainult koordinaatorina koondades üksikute mudelite kaalud ja saates värskendused tagasi aadressile ilma tarbijate andmeid nägemata. Energiakasutuse mitmekesisuse tõttu kohalike mudelite lähenemine võib nõuda liiga palju aega. See uuring uurib liitõpet, et töötada välja rühmitusalgoritm, mis rühmitab sarnased elukohad üheks sõlmeks, et kinnitada mudeli konvergentsi ilma selle täpsust vähendamata.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Feras Awaysheh, Sadi Alawadi
Kaitsmise aasta
2022