Razvoj modela strojnega učenja in aplikacije za dolgoročno napovedovanje potencialne proizvodnje hidroelektrarn na reki DraviJUVANČIČ HACE, MATEJ (Avtor) Gubina, Andrej Ferdo (Mentor) Lakić, Edin (Komentor) proizvodnja električne energijeenergetski trgstrojno učenjenapovedovanjeaplikacijaProizvodnja električne energije v hidroelektrarnah je močno odvisna od vremenskih razmer, predvsem padavin, temperature zraka in zaloge snežne odeje. Zaradi spremenljivosti podnebnih vzorcev in potrebe po učinkovitem upravljanju proizvodnje hidroelektrarn je napovedovanje proizvedene električne energije bistveno za samo zanesljivost elektroenergetskega sistema. V okviru naloge smo zbrali in obdelali podatke vremenskih razmer za območje porečja Drave ter podatke o dejanski proizvodnji hidroelektrarn. Napovedovanje je temeljilo na strojnem učenju in splošni statistiki. Ločeno smo preizkusili različne regresijske metode in modele strojnega učenja, kot so gradientno pospeševanje (angl. Gradient Boosting, GB), naključni gozd (angl. Random Forest, RF), metodo podpornih vektorjev (angl. Support Vector Regression, SVR) ter nevronske mreže (angl. Neural Networks, NN). Ti modeli so bili naučeni na podatkih za slovensko in avstrijsko območje ter na kombiniranem modelu obeh držav. Za zmanjšanje sistematičnih napak smo uvedli tudi korekcijo pristranskosti (angl. bias-correction) napovedi. Rezultati so pokazali, da je metoda gradientnega pospeševanja (GB) dosegla najvišjo natančnost napovedi, z vrednostjo do 0,91 na učni množici in 0,86 na validacijski množici za slovenski model. Kombinacija podatkov obeh držav je izboljšala robustnost modela, statistični popravek pa je zmanjšal napake pri mesecih z večjimi odstopanji. Končni sistem je bil implementiran kot interaktivna spletna aplikacija v knjižnici Streamlit, ki omogoča vizualizacijo podatkov, manipulacijo podatkov, napovedi in analizo vpliva vremenskih dejavnikov. V zaključnem delu smo preverili in potrdili, da uporaba več med seboj dopolnjujočih se modelov vodi do natančnejših in stabilnejših napovedi proizvodnje.20252025-10-09 12:10:19Magistrsko delo/naloga174750sl