Napoved porabe električne energije z metodami strojnega učenjaŽgavec, Mark (Avtor) Faganeli Pucer, Jana (Mentor) električna energijanapovedovanjemodeli strojnega učenjaDobavitelji električne energije se za namen oskrbe odjemalcev z energijo dnevno soočajo z izzivom napovedi njihove porabe električne energije. Zaradi raznolikosti odjemalcev in vpliva zunanjih dejavnikov na porabo, nenatančne napovedi podjetjem predstavljajo dodaten strošek pri nakupu in prodaji električne energije. Cilj diplomske naloge je bil implementirati več različnih modelov strojnega učenja, ki bi omogočali izvajanje napovedi porabe za dan vnaprej. Na podlagi podatkov, ki nam jih je zagotovil slovenski dobavitelj električne energije, smo učenje modelov izvedli na obdobju iz let 2022 in 2023, uspešnost razvitih modelov pa smo primerjali na prvi polovici leta 2024. Najboljše rezultate je prinesel model LightGBM, ki je za vsak 15-minutni interval dosegel povprečno absolutno napako 49,64 kWh. Z uporabo modela smo izboljšali natančnost dnevnih napovedi. Naš model generira boljše napovedi, ki bolje predvidijo nenadne skoke ali padce v porabi, ter tudi zmanjšajo število odstopajočih napak.20252025-10-10 08:50:00Diplomsko delo/naloga174860VisID: 38386COBISS_ID: 255561731sl