20.500.12556/RUL-174750 Razvoj modela strojnega učenja in aplikacije za dolgoročno napovedovanje potencialne proizvodnje hidroelektrarn na reki Dravi Development of a machine learning model and application for long-term forecasting of the potential production of hydropower plants on the Drava River Proizvodnja 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. Electricity production in hydropower plants strongly depends on weather conditions, particularly precipitation, air temperature, and snow cover reserves. Due to the variability of climate patterns and the need for efficient management of hydropower production, forecasting electricity generation is essential for the reliability of the power system. Weather data for the Drava river basin, together with records of actual hydropower production, were collected and processed for the analysis. Forecasting was carried out using machine learning and general statistical methods. Several regression models were evaluated separately, including Gradient Boosting (GB), Random Forest (RF), Support Vector Regression (SVR), and neural networks (NN). These models were trained on datasets from the Slovenian and Austrian regions, as well as on a combined dataset representing both countries. To mitigate systematic errors, a statistical correction of the forecasts was applied The results showed that Gradient Boosting achieved the highest prediction accuracy, with values up to 0.91 on the training set and 0.86 on the validation set for the Slovenian model. Combining data from both countries improved the robustness of the model, while the statistical correction reduced errors in months with larger deviations. The final system was implemented as an interactive web application using the Streamlit library, which enables data visualization, data manipulation, forecasting, and analysis of the influence of weather factors. The main conclusion of the study is that the use of multiple complementary models leads to more accurate and stable forecasts of electricity production. proizvodnja električne energije energetski trg strojno učenje napovedovanje aplikacija electricity production energy market machine learning forecasting application true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2025-10-09 12:10:19 2025-10-09 12:10:29 2025-11-28 03:53:55 0000-00-00 00:00:00 2025 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 63204 253478403 Juvancic_hace_Matej_-_Razvoj_modela_strojnega_ucenja_in_aplikacije_za_dolgorocno_napovedovanje_p.pdf Juvancic_hace_Matej_-_Razvoj_modela_strojnega_ucenja_in_aplikacije_za_dolgorocno_napovedovanje_p.pdf 1 9CCD73A32218982CE04F3B4B5E6D6590 304584e0c770e696644950a6ff4a4517551456c6b01b1683e9d72703ada1dcee f1b923c6-a4f7-11f0-9328-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=219630 Fakulteta za elektrotehniko 0 0 0