Napovedovanje obremenitvenega profila električne energije s pomočjo metod strojnega učenjaTepej, Urban (Avtor) Beković, Miloš (Mentor) Černezel, Martin (Komentor) napoved obremenitvenega profilačasovne vrstestrojno učenjeXGBoostRMSEMAEMAPEZanesljivo napovedovanje obremenitvenega profila električne energije je ključno za učinkovito delovanje elektroenergetskega sistema. V magistrskem delu obravnavamo kratkoročno napovedovanje z uporabo podatkovno vodenih pristopov. Razvit je model, ki temelji na skrbno izbranih značilnostih, pri čemer poseben poudarek namenjamo preprečevanju uhajanja informacij (data leakage) in zagotavljanju t. i. future-safe pristopa. Analizirali smo vpliv časovnih, zgodovinskih in vremenskih spremenljivk na natančnost napovedi. Model smo ovrednotili z metrikami RMSE (Root Mean Squared Error), MAE (Mean Absolute Error) in MAPE (Mean Absolute Percentage Error). Rezultati potrjujejo, da ustrezna izbira značilnosti bistveno izboljša zanesljivost napovedi.[U. Tepej]20262026-04-16 12:36:24Magistrsko delo/naloga97820UDK: 611.311.15-047.72:004.85(043.2)COBISS_ID: 282197507sl