Τεχνικές ανάλυσης ενεργειακών δεδομένων
| dc.contributor.author | Γιαλούρη, Εργίνα - Δέσποινα | el |
| dc.date.accessioned | 2024-06-25T09:05:36Z | |
| dc.date.available | 2024-06-25T09:05:36Z | |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/38052 | |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.17759 | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Ανάλυση | el |
| dc.subject | Δεδομένα | el |
| dc.subject | Ανανεώσιμες πηγές ενέργειας | el |
| dc.title | Τεχνικές ανάλυσης ενεργειακών δεδομένων | el |
| heal.abstract | Στην παρούσα πτυχιακή εργασία θα γίνει αναφορά σε τεχνικές που αφορούν στην ανάλυση καιμπορούν να εφαρμοστούν σε ενεργειακά δεδομένα τα οποία προέρχονται από ανανεώσιμες πηγές ενέργειας και πιο συγκεκριμένα από πηγές φωτοβολταϊκών στοιχείων. Αυτά τα δεδομένα αποτελούν χρονοσειρές που παρουσιάζονται με ιδιαίτερα χαρακτηριστικά και ιδιότητες ενώ συγχρόνως εμφανίζουν ιδιαίτερα χαρακτηριστικά ανάλογα με το χρονικό διάστημα που εξετάζεται. Κύριο στόχο αποτελεί η ανάλυση δεδομένων και τα χαρακτηριστικά από τα οποία αποτελούνται τα δεδομένα αυτά, ακόμη ένας σημαντικός στόχος είναι η παρουσίαση διαφόρων τεχνικών όπως της παλινδρόμησης και της μηχανικής μάθησης καθώς και η σωστή προεπεξεργασία δεδομένων με βάση τα χαρακτηριστικά που έχουν παρατηρηθεί στην ανάλυση δεδομένων. Τέλος, στις τεχνικές που θα αναλυθούν θα παρουσιαστούν κατά κύριο λόγο βιβλιογραφικά, μοντέλα που θα μπορούσαν να βοηθήσουν στις προβλέψεις αντίστοιχων χρονοσειρών. | el |
| heal.abstract | In this thesis, reference will be made to techniques related to the analysis that can be applied to energy data that comes from renewable energy sources and more specifically from sources of photovoltaic elements. These data are time series that are presented with particular characteristics and properties while at the same time displaying particular characteristics depending on the period of time under consideration. The main objective is the analysis of data and the characteristics of which these data are composed, another important objective is the presentation of various techniques such as regression and machine learning as well as the correct preprocessing of data based on the characteristics observed in the data analysis. Finally, in the techniques that will be analyzed, mainly bibliographic models will be presented that could help in the predictions of respective time series. | en |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | |
| heal.access | free | |
| heal.advisorName | Δουμένης, Γρηγόριος | el |
| heal.classification | Ανάλυση - Τεχνικές | |
| heal.classification | Δεδομένα - Ενεργειακά | |
| heal.classification | Ενεργειακά δεδομένα | |
| heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
| heal.committeeMemberName | Μαργαρίτη, Σπυριδούλα | el |
| heal.dateAvailable | 2024-06-25T09:06:37Z | |
| heal.fullTextAvailability | true | |
| heal.language | el | |
| heal.publicationDate | 2022 | |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.type | bachelorThesis | |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.type.en | Bachelor thesis | en |
Αρχεία
Πρωτότυπος φάκελος/πακέτο
1 - 1 of 1
Φόρτωση...
- Ονομα:
- ΓΙΑΛΟΥΡΗ ΕΡΓΙΝΑ -ΔΕΣΠΟΙΝΑ - ΠΛΗΡΟΦΟΡΙΚΗΣ.pdf
- Μέγεθος:
- 2.2 MB
- Μορφότυπο:
- Adobe Portable Document Format
- Περιγραφή:
Φάκελος/Πακέτο αδειών
1 - 1 of 1
Φόρτωση...
- Ονομα:
- license.txt
- Μέγεθος:
- 1.71 KB
- Μορφότυπο:
- Item-specific license agreed upon to submission
- Περιγραφή: