<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=187897"><dc:title>Dinamično ocenjevanje prenosne zmogljivosti daljnovodov z lokacijsko specifičnim napovedovanjem vetra</dc:title><dc:creator>Lajevec,	David	(Avtor)
	</dc:creator><dc:creator>Todorovski,	Ljupčo	(Mentor)
	</dc:creator><dc:creator>Kocev,	Dragi	(Komentor)
	</dc:creator><dc:subject>dinamično ocenjevanje prenosne zmogljivosti</dc:subject><dc:subject>numerična vremenska napoved</dc:subject><dc:subject>lokacijsko specifično napovedovanje vetra</dc:subject><dc:subject>globoko učenje</dc:subject><dc:subject>verjetnostno 
napovedovanje</dc:subject><dc:subject>umerjanje verjetnostnih napovedi</dc:subject><dc:description>Dinamično ocenjevanje prenosne zmogljivosti daljnovodov (DTR, angl. dynamic
thermal rating) lahko sprosti znaten del neizkoriščene zmogljivosti obstoječega
omrežja, vendar je najbolj občutljivo prav na hitrost in smer vetra ob vodniku, ki
ju numerična vremenska napoved na ravni posameznega razpona ocenjuje najmanj
zanesljivo. V delu zgradimo sklenjeno računsko verigo od vremenske napovedi
do empirično ovrednotene spodnje meje ampacitete. Napovedi regionalnega
modela ICON-EU dopolnimo z večločljivostnim opisom terena. Na štiriletni zbirki
desetminutnih meritev na 266 nemških postajah razvijemo in ovrednotimo večvejni
konvolucijski model. Učimo ga na podatkih iz let 2021–2022, posploševanje pa
preverimo na ločenih postajah v letih 2023 in 2024. Napako napovedi hitrosti vetra
na razvojni množici zmanjša za približno četrtino, z 1,373 na 1,037 m/s, in preseže
vse obravnavane referenčne modele v naši izvedbi. Na neodvisni testni množici, ki
vključuje nevidene postaje in nevideno leto, napako zniža z 1,271 na 1,056 m/s.
Verjetnostna nadgradnja lokacijo napovedne porazdelitve pripne na točkovno
napoved. Hitrost opiše s kvantilno regresijo, smer s krožnimi kvantili, porazdelitev
hitrosti pa empirično umeri s popravki po kvantilih z ničelnim popravkom mediane
in popravkom širine okoli nje. Iz napovednih porazdelitev hitrosti in smeri vetra
vzorčimo realizacije, pri čemer je umerjen hitrostni del. Za vsak vzorec nato s
standardnim toplotnim modelom CIGRE izračunamo ampaciteto, iz tako ocenjene
porazdelitve ampacitete pa določimo spodnjo mejo pri vnaprej izbrani stopnji
tveganja. V simuliranem preizkusu na nevidenih testnih postajah izbrana klasična
statična ocena s predpostavko 0,6 m/s pravokotnega vetra presega petodstotni
kvantil referenčne ampacitete, izračunane pri izmerjenem vetru. Pri vnaprej določeni stopnji tveganja 0,05 model na testni množici agregirano doseže 4,26-odstotno
stopnjo kršitev in 14,5 % večjo povprečno ampaciteto od retrospektivne, obratovalno
nedostopne statične reference, pri naknadno izenačeni petodstotni stopnji kršitev
pa je povečanje 16,2-odstotno.</dc:description><dc:date>2026</dc:date><dc:date>2026-09-16 08:15:38</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>187897</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
