20.500.12556/DKUM-76195 Napovedovanje porabe električne energije z rekurentnimi nevronskimi mrežami magistrsko delo Predicting power consumption with recurrent neural networks Predvidevanje porabe električne energije predstavlja zelo pomemben člen v elektroenergetski industriji, saj lahko pripomore k optimizaciji proizvodnje. S pomočjo strojnega učenja, natančneje rekurentnih nevronskih mrež, je mogoče natančno napovedati električno energijo. Veliko vlogo pri napovedovanju igrajo kakovost in količina podatkov ter arhitektura in nastavitve nevronske mreže. V teoretičnem delu je podrobno opisana nevronska mreža in njeni osnovni gradniki, kjer je bilo največ pozornosti posvečene rekurentnim mrežam, praktični del pa prikazuje izvedbo eksperimenta napovedovanja porabe električne energije z rekurentnimi nevronskimi mrežami z različno arhitekturo in podatki. The anticipation of electricity consumption represents a very important link in the electrical energy industry as it can help optimize production. With the help of machine learning, more precisely recurrent neural networks, electricity can be accurately predicted. The quality and quantity of data, as well as the architecture and settings of the neural network play a big role in forecasting. The theoretical part describes in detail the neural network and its basic building blocks, where the greatest attention was paid to the recurrent parts of the network and the practical part shows the implementation of an experiment for the prediction of electricity consumption with recurrent neural networks with different architecture and data. rekurentne nevronske mreže električna energija napovedovanje električne energije recurrent neural networks electricity electricity forecasting true true false [U. Kos] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2020-04-22 20:38:51 2020-07-03 15:34:09 2022-08-09 13:18:43 2020-09-05 03:11:05 2020 0 Maribor 0 Maribor XII, 124 str. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 [004.832:519.216]:621.31(043.2) 27115523 URN:SI:UM:DK:1MSOEKSP MAG_Kos_Urban_2020.pdf MAG_Kos_Urban_2020.pdf 1 C50D4E8183550B0BB18AE99864FB3F85 870fe9e94b5c459176913d4cd279fa1d925e664b5ae9378d9fad4c0003b30d59 487f7d96-7c11-11eb-bb7a-00155d0001ca 20.500.12556/dkum/42f659af-3439-49ce-a8ce-560b12772cc4 https://dk.um.si/Dokument.php?lang=slv&id=141623 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0