| Form of studies |
Bachelor |
| Title of the study programm |
Intelligent robotic systems |
| Title in original language |
Viedās ēkas energopatēriņa prognozēšanas metožu salīdzinājums |
| Title in English |
Comparison of Energy-Demand Forecasting Methods for Smart Buildings |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Agris Ņikitenko |
| Reviewer |
Arnis Staško |
| Abstract |
Šis bakalaura darbs veic izpēti par dažādām pieejamajām elektroenerģijas patēriņa prognozēšanas metodēm un modeļiem, veic to vispārīgu apkopojumu un metožu salīdzinājumu. No īstenotās literatūras izpētes par dažādo metožu pieejamību un izstrādātā saliktā indeksa novērtēšanas rezultātiem, tiek izvēlētas divas metodes (viena statistiskā un otra mašīnmācības), un tās tiek aprobētas gadījuma izpētē. Statistiskās metodes aprobācijai izvēlēts un izstrādāts SARIMAX modelis, savukārt mašīnmācības metodes aprobācijai – CNN modelis. Gadījuma izpēte ietver vēsturiskos publiskās ēkas sensoru datus par energopatēriņu, gaisa temperatūru, radiāciju, relatīvo mitrumu, rasas punktu, brāzmas stiprumu, vēja stiprumu un vēja virzienu. Šie dati tiek izmantoti izvēlēto metožu aprobācijā. Rezultātā tiek iegūts izklāsts par abu metožu izmantošanas raksturlielumiem, iespējām un ierobežojumiem. Tiek veikti secinājumi no modeļu validācijas un sniegti priekšlikumi nākotnes izpētēm.
Darbs sastāv no 77 lapaspusēm, iekļaujot pielikumus, 3 nodaļām, tajā ietverti 17 attēli, 16 tabulas, 41 informācijas avoti. |
| Keywords |
prognozēšanas metodes, SARIMAX, CNN, viedās ēkas, laikrindu dati |
| Keywords in English |
forecasting methods, SARIMAX, CNN, smart buildings, time-series data. |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 21:06:45 |
