20.500.12556/DKUM-97820 Napovedovanje obremenitvenega profila električne energije s pomočjo metod strojnega učenja magistrsko delo Forecasting of electric load profiles using machine learning methods Zanesljivo 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. Reliable forecasting of electrical load profiles is essential for the efficient operation of power systems. This master’s thesis addresses short-term load forecasting using data-driven approaches. A model is developed based on carefully selected features, with particular emphasis on preventing data leakage and ensuring a future-safe methodology. The impact of temporal, historical, and weather-related variables on forecasting accuracy is analyzed. The model is evaluated using the metrics RMSE (Root Mean Squared Error), MAE (Mean Absolute Error), and MAPE (Mean Absolute Percentage Error). The results confirm that appropriate feature selection significantly improves forecasting reliability. napoved obremenitvenega profila časovne vrste strojno učenje XGBoost RMSE MAE MAPE forecast of load profile time series machine learning XGBoost RMSE MAE MAPE true true false [U. Tepej] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-04-16 12:36:24 2026-05-29 12:57:01 2026-06-20 03:06:34 0000-00-00 00:00:00 2026 0 Maribor 0 Maribor 1 spletni vir (1 datoteka PDF (XV, 83 str.)) 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 611.311.15-047.72:004.85(043.2) 282197507 MAG_Tepej_Urban_2026.pdf MAG_Tepej_Urban_2026.pdf 1 81A9E8D28E542E2E94723E1428D0BC78 b36626be2fa4faedf18aef805a7a2683aafd49de697915cdba1e9d54235be17f 2ade3537-3c8c-11f1-ab29-00155d0001a1 https://dk.um.si/Dokument.php?lang=slv&id=205451 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0