| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
Viedās ēkas energopatēriņa prognozēšanas metožu salīdzinājums |
| Nosaukums angļu valodā |
Comparison of Energy-Demand Forecasting Methods for Smart Buildings |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Agris Ņikitenko |
| Recenzents |
Arnis Staško |
| Anotācija |
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. |
| Atslēgas vārdi |
prognozēšanas metodes, SARIMAX, CNN, viedās ēkas, laikrindu dati |
| Atslēgas vārdi angļu valodā |
forecasting methods, SARIMAX, CNN, smart buildings, time-series data. |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 21:06:45 |
