<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>OCENA PROŽNOSTI ODJEMA IN ODZIVOV ODJEMALCEV V PROGRAMIH VODENJA PORABE ELEKTRIČNE ENERGIJE Z METODAMI STROJNEGA UČENJA</dc:title><dc:creator>GRABNER,	MIHA	(Avtor)
	</dc:creator><dc:creator>Blažič,	Boštjan	(Mentor)
	</dc:creator><dc:creator>Štruc,	Vitomir	(Komentor)
	</dc:creator><dc:subject>pametna omrežja</dc:subject><dc:subject>prožnost</dc:subject><dc:subject>prilagajanje odjema</dc:subject><dc:subject>napovedovanje</dc:subject><dc:subject>globoko učenje</dc:subject><dc:description>Podnebne spremembe so glavni vzrok za energetski prehod, ki bo močno vplival na spremembo elektroenergetskega sistema. Preoblikovanje elektroenergetskega sistema v bolj trajnostnega in prijaznega okolju lahko dosežemo z elektrifikacijo prometa in toplote skupaj z integracijo novih obnovljivih virov energije. Preoblikovanje elektroenergetske industrije pa ni mogoče brez digitalizacije, ki energetskim podjetjem prinaša nove izzive, kot je obvladovanje vele podatkov iz pametnih števcev. Zaradi vključevanja novih obnovljivih virov in bremen v distribucijsko omrežje se posledično povečuje variabilnost pretokov moči, kar otežuje vodenje sistema. Za obvladovanje takih razmer in v izogib velikim investicijam v elektroenergetsko infrastrukturo je nujna uporaba razpoložljive prožnosti. Za ustrezno izkoriščenost prožnosti v omrežju so nujno potrebni skalabilni in učinkoviti pristopi strojnega učenja, ki temeljijo na vele podatkih iz pametnih števcev. Vodenje izredno dinamičnega sistema in uporaba prožnosti pa zahtevata tudi napovedovanje obratovalnih razmer. 
V disertaciji predstavimo tri pomembne izvirne znanstvene prispevke na področju programov vodenja porabe: (i) Novi pristop za napovedovanje odjema v distribucijskem omrežju, ki temelji na globalnem modeliranju.  V disertaciji je predlagan pristop za napovedovanje odjema v distribucijskih omrežjih, temelječ na enem samem globalnem modelu, ki se uporablja za izdelavo napovedi velikega števila obremenitev. Predlagani pristop je skalabilen in uporablja medsebojne informacije časovnih vrst. S predlaganim pristopom se lahko izdelajo napovedi, tudi če manjka del zgodovinskih podatkov ali če se obnašanje posameznega bremena s časom spremeni. (ii) Globalni model za izračun osnovne obremenitve, ki temelji na dvosmernem modeliranju časovnih vrst. Izvirni znanstveni prispevek predstavlja globalni model za izračun osnovne obremenitve, pri čemer dodatno razvijemo še tri referenčne modele za primerjavo. Največja prednost predlaganega modela je njegova sposobnost upoštevanja preteklih in prihodnjih zaporedij za napovedovanje osnovne obremenitve. (iii) Novi pristop za napovedovanje prožnosti odjema toplotnih črpalk. Izvirni znanstveni prispevek predstavlja pristop za napovedovanje prožnosti odjema toplotnih črpalk, pri katerem napovedujemo seštevek odjema posameznih toplotnih črpalk. Predlagani pristop je nadgradnja obstoječih pristopov, ki temeljijo na uporabi visokofrekvenčnih podatkov in se osredotočajo predvsem na odjem posameznih odjemalcev.</dc:description><dc:date>2024</dc:date><dc:date>2024-09-19 11:40:01</dc:date><dc:type>Doktorsko delo/naloga</dc:type><dc:identifier>162176</dc:identifier><dc:identifier>VisID: 47424</dc:identifier><dc:identifier>COBISS_ID: 219449603</dc:identifier><dc:language>sl</dc:language></metadata>
