Napovedno vzdrževanje električnih transformatorjev s strojnim učenjemRojec, Matej (Avtor) Todorovski, Ljupčo (Mentor) Rashkovska Koceva, Aleksandra (Komentor) Zupanc, Boris (Komentor) električni transformatorstrojno učenjelinearna regresijaodločitvena drevesanaključni gozdrangiranje napovednih spremenljivkmodeliranjeOskrba Slovenije z električno energijo je tesno povezana z vzdrževanjem vseh obstoječih prenosnih objektov. V delu analiziramo objekt RTP Divača, čigar zelo pomembna gradnika sta prečna transformatorja s stikaloma, ki kontrolirata regulacijo napetosti in moči. Pregledi teh dveh transformatorjev se izvajajo glede na čas ali pa glede na stanje naprave. Pregledi so povezani s številom opravljenih preklopov stikal. Cilj diplomskega dela je boljše načrtovanje pregledov in vzdrževanje naprav, za kar uporabimo strojno učenje za gradnjo modelov, ki napovedujejo število dnevnih, tedenskih ter meseščnih preklopov. Modeli so se učili na podlagi podatkov izmerjenih v časovnem obdobju od leta 2017 do leta 2019, njihove napake pa so bile vrednotene na podatkih pridobljenih v časovnem obdobju od leta 2020 do leta 2021. Rezultati vrednotenja kažejo, da je za dnevno napovedovanje števila preklopov najuspešnejši model LSTM, za tedensko in mesečno napovedovanje števila preklopov pa je najuspešnejši model linearne regresije.20222022-09-04 08:15:11Delo diplomskega seminarja/zaključno seminarsko delo/naloga139564sl